<span lang="FA">بهبود بخش<span dir="LTR"> <span lang="FA">بندی معنایی تصاویر شهری با ارائه یک تابع هزینه جدید مبتنی بر ابرپیکسل

بخش بندی معنایی[۱] تصاویر یکی از مولفه های کلیدی در تحلیل تصاویر شهری است که عملکرد مناسب آن تاثیر مستقیمی بر کارایی و سرعت سیستم های بینایی ماشین در این حوزه دارد. بر همین اساس، در این پژوهش یک تابع هزینه جدید برای بهبود بخش بندی معنایی در تصاویر شهری ارائه شده است. یکی از چالش های اصلی در این زمینه، عدم توازن[۲] داده ها است که با توجه به تفاوت نرخ عدم توازن در هر کلاس در مجموعه داده های چند کلاسه، انتخاب تابع هزینه مناسب را نسبت به مسائل دو کلاسه دشوارتر می سازد. علاوه بر این، مشکلاتی مانند شناسایی دقیق مرز اجسام و حفظ پیوستگی نواحی نیز باعث کاهش دقت روش های موجود می شوند. بنابراین، راه کار پیشنهادی با شناسایی نواحی پیچیده و پرتراکم در تصویر، که می تواند شامل کلاس هایی با شباهت ظاهری زیاد، مرز بین چند کلاس، یا کلاس ها و اجسام کوچک باشد، و تمرکز بیشتر بر آنها در زمان آموزش شبکه به بهبود عملکرد مدل کمک می کند. در این روش، ابتدا هر تصویر توسط الگوریتم SLIC[۳] به ابرپیکسل های[۴] مجزا تقسیم شده و تاثیر هر ناحیه با تحلیل ابرپیکسل ها و اعمال وزن دهی هدفمند در تابع هزینه پیشنهادی تعیین می شود. در ادامه برای ارزیابی اثربخشی این روش، مجموعه ای از آزمایش ها با استفاده از مدل U-Net و دو مجموعه داده از تصاویر شهری انجام شده است. نتایج این آزمایش ها نشان می دهد که استفاده از تابع هزینه پیشنهادی در مقایسه با سایر روش ها به طور میانگین موجب بیش از ۱ درصد بهبود در معیارهای IoU و امتیاز F۱ شده و تمرکز بر نواحی پیچیده تصاویر می تواند گامی موثر در رفع محدودیت های موجود در بخش بندی معنایی باشد.۱. Semantic Segmentation۲. Imbalance۳. Simple Linear Iterative Clustering۴. Superpixels

کلیدواژه ها:

تصاویر شهری ، بخش بندی معنایی ، تابع هزینه ، ابرپیکسل ، شبکه های عصبی عمیق