تشخیص جادههای درون شهری مبتنی بر روش یادگیری عمیق و تصاویر ماهواره ای
سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CCCI15_034
تاریخ نمایه سازی: 25 آذر 1403
چکیده مقاله:
به روز رسانی نقشه های جاده ای موجود به جهت رشد و توسعه شهری، امکان برنامه ریزی برای کنترل ترافیک ، تصمیم گیری در شرایط بحران و...الزامی است . مشکلاتی مانند شباهت رنگ و بافت در مناطق شهری، به ویژه در تشخیص جاده های موجود در مجاورت ساختمان ها، همچنان چالش برانگیز است . به منظور افزایش دقت و کارایی در تشخیص و طبقه بندی جاده ها، محققان به طراحی و استفاده از روش های خودکار مبتنی بر پردازش تصاویر سنجش از دور و یادگیری عمیق پرداخته اند. هدف اصلی این مقاله ، ارائه یک شبکه عمیق کانولوشنال رمزگذار-رمزگشای پیشرفته با نام +۳UNet به منظور قطعه بندی و استخراج جاده از تصاویر سنجش از دور است . مدل UNet۳+ به عنوان یک رویکرد کلیدی انتخاب شده و در شرایط مختلف محیطی ارزیابی شده است . ترکیب ماژول های توجه مکانی و کانال و ماژول تجمیع هرمی به طور قابل ملاحظه ای بر عملکرد مدل تاثیر گذاشته و معیار IoU را به میزان ۳/۱۵و معیار F۱ Score را به میزان ۹/۱۲ در مناطق شهری نامتراکم افزایش داده است . این بهبودها نشان دهنده توانایی بالای شبکه در تشخیص جاده های اصلی و کاهش خطاهای تشخیصی در شناسایی جاده های فرعی است .
کلیدواژه ها:
نویسندگان
امیرحسین غلامیان
کارشناس ارشد سنجش از دور، گروه مهندسی نقشه برداری ، دانشکده عمران دانشگاه تربیت دبیر شهید رجایی
فاطمه طیب محمودی
استادیار گروه مهندسی نقشه برداری ، دانشکده عمران دانشگاه تربیت دبیر شهید رجایی