بررسی روشهای یادگیری عمیق در استخراج خودکار ساختمانها با استفاده از تصاویر قدرت تفکیک بالا
- سال انتشار: 1403
- محل انتشار: بیست و هشتمین همایش ملی مهندسی نقشه برداری و اطلاعات مکانی (ژئوماتیک ۱۴۰۳)
- کد COI اختصاصی: NCEGIT28_105
- زبان مقاله: فارسی
- تعداد مشاهده: 158
نویسندگان
کارشناس ارشد مهندسی فتوگرامتری- دانشکده مهندسی نقشهبرداری- دانشگاه صنعتی خواجهنصیرالدین طوسی
استادیار گروه مهندسی نقشهبرداری، دانشکده عمران، دانشگاه صنعتی نوشیروانی بابل
دانشجوی دکتری سنجش از دور- دانشکده مهندسی نقشه برداری- دانشگاه صنعتی خواجه نصیرالدین طوسی
دانشجوی کارشناسی مهندسی نقشهبرداری- دانشگاه غیرانتفاعی شمال آمل
دانشجوی کارشناسی مهندسی نقشهبرداری- دانشگاه غیرانتفاعی شمال آمل
چکیده
ساخت وسازها همواره در محیط های حومه شهری در حال گسترش می باشند و استخراج ساختمانها، نقش بسیار مهمی را در مدیریت و برنامه ریزی شهری و همچنین به روزرسانی پایگاه داده مکانی دارند. در سالهای اخیر حضور ماهوارههای سنجش ازدوری باعث شده است این فرآیند و به روزرسانی پایگاه داده با سرعت بالاتری انجام گیرد. اما همچنان به علت ویژگی های طیفی و هندسی متفاوت ساختمانها این امر کاری دشوار می باشد. از طرفی مدلهای یادگیری عمیق و تصاویر قدرت تفکیک بالا از محبوبیت بالایی در شناسایی خودکار این عارضه -ها برخوردار هستند. ازاین رو در این مطالعه معماری های مختلف یادگیری عمیق +, PAN, PSPNet,)۳(UNet ++ ,UNet ,DeepLabV،بر روی سه باند RGB تصاویر با قدرت تفکیک بالا گوگل ارث مورد بررسی قرار گرفته اند. نتایج نشان دادند معماری UNet ++ با دقت ۹۱/۰، recall برابر ۸۷/۰ و F-score برابر ۸۹/۰ در کلاس ساختمان، دارای بالاترین دقت بوده است .کلیدواژه ها
استخراج ساختمان، یادگیری عمیق ، تصاویر گوگل .مقالات مرتبط جدید
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.