داده افزایی مبتنی بر شبکه ی مولد رقابتی برای آشکارسازی اهداف تصاویر ابر طیفی با استفاده از شبکه های عصبی کانولوشن

تصاویر ابرطیفی اخذ شده توسط سامانه های سنجش از دور به دلیل وجود داده های باارزش طیفی در بازه ی وسیعی از طول موج دارای قدرت بالایی در آشکارسازی اهداف هستند. علاوه بر اطلاعات طیفی، این تصاویر دارای اطلاعات مکانی باارزشی هستند که در تشخیص دقیق هدف از پس زمینه موثر است. یکی از چالش های اصلی آشکارسازی اهداف، وجود تعداد نمونه های آموزشی محدود هدف است. جهت مقابله با این چالش، یک آشکارساز مبتنی بر شبکه عصبی کانولوشن (CNN) در این مقاله مورد ارزیابی قرار گرفته است. به جای استفاده از تک پیکسل ها، تکه ها ی مکعبی با اطلاعات مکانی در دو بعد و اطلاعات طیفی در بعد سوم به عنوان ورودی آشکارساز استفاده می شوند. CNN با قابلیت بالا در استخراج ویژگی های سلسله مراتبی مکانی دقت خوبی را در خروجی حاصل می کند. جهت حل مشکل تعداد نمونه های آموزشی محدود از شبکه مولد رقابتی (GAN) برای تولید تکه های تصویر مکعبی جعلی مشابه با تکه های مکعبی مفروض حول پیکسل های هدف واقعی استفاده شده است. اثر داده افزایی با GAN در آشکارساز CNN با مقادیر مختلف داده افزایی در حالت بعد کامل و بعد کاهش یافته مورد ارزیابی قرار گرفته است. نتایج آزمایش ها نشان دهنده ی دقت بالاتر CNN نسبت به روش های پرکاربرد آشکارسازی و همین طور بهبود دقت آشکارساز CNN به کمک داده افزایی انجام شده توسط GAN می باشد.

کلیدواژه ها:

شبکه مولد رقابتی (GAN) ، شبکه عصبی کانولوشن (CNN) ، تصویر ابرطیفی ، آشکارسازی اهداف ، داده افزایی