بهبود تشخیص صحنه در سنجش از راه دور با استفاده از یادگیری عمیق و ویژگیهای عمیق سراسری

با توجه به پیشرفت های فناوری رصد زمین، حجم تصاویر سنجش از دور به شدت در حال افزایش است. در این حوزه، هدف برچسب گذاری صحیح تصاویر سنجش ا ز دور است. تشخیص صحنه در تصاویر سنجش از دور در زمینه های مختلفی بسیار کاربردی است. هدف در این تحقیق ارائه یک سیستم تشخیص صحنه در سنجش از راه دور با بکارگیر ی یادگیری عمیق و یادگیری ماشین است. در این پژوهش برای رفع مشکلاتی مثل عدم بکارگیری دو نوع ویژگی در تشخیص صحنه در سنجش از دور و در راستای رفع محدودیت های استخراج ویژگی مطرح شده است که در آن سه نوع ویژگی شامل دو نوع ویژگی عمیق محلی و سراسری و یک نوع ویژگی محلی دستی با یکدیگر ترکیب می شوند، تا بتوان دقت و صحت تشخیص صحنه را بهبود بخشید. ارزیابی روش پیشنهادی نشان داد که این روش می تواند عملکرد بهتری ارائه کند ، در این ارزیابی، روش پیشنهادی در مقایسه با مقاله ی پایه به ترتیب برای مجموعه دادهUCM دقت ۰.۸% ، برای مجموعه دادهAID دقت ۳.۰۳%، بر ای مجموعه داده ی ۷RSSNC دقت ۴.۹۵% و برا ی ۴۵NWPU-RESISC دقت ۳.۸ %بهبود داده شده است. بنابراین از روش پیشنهادی میتوان به خوبی برای برچسب گذاری تصاوی رسنجش از دور استفاده کرد

کلیدواژه ها:

سنجش از راه دور ، یادگیری عمیق ، ویژگی عمیق ، یادگیری ترکیبی