چکیده مقاله
در این پژوهش، به منظور استخراج خودکار راه ها و ساختمان ها از تصاویر ماهواره ای با تفکیک مکانی یک متر، از مجموعه داده ی WHISPER ۲۰۲۵ ISASeg استفاده شد این مجموعه داده شامل تصاویر RGB با وضوح بالا و ماسک های برچسب گذاری شده برای نواحی شهری است در این مطالعه، یک مدل شبکه عصبی U Net برای بخش بندی معنایی عوارض شهری طراحی و پیاده سازی گردید داده ها شامل ۴۰۰ تصویر برای آموزش و ۸۰ تصویر برای ارزیابی مدل بودند آموزش مدل در طول ۱۰۰ دوره انجام شد و نتایج نشان داد که مدل توانسته است به دقت آموزش ۰٫۹۲۶۴ و دقت ارزیابی ۰٫۸۱۸۶ دست یابد این نتایج بیانگر کارایی مناسب شبکه U Net در تفکیک عوارض راه و ساختمان از تصاویر ماهواره ای با توان تفکیک بالا است و نشان می دهد که این رویکرد می تواند در تحلیل های شهری و نقشه برداری خودکار موثر واقع شود
کلیدواژهها
نویسندگان
نیلوفر دربندسری
دانشکده مهندسی نقشه برداری و اطلاعات مکانی، دانشکدگان فنی، دانشگاه تهران
مهدی حسنلو
دانشکده مهندسی نقشه برداری و اطلاعات مکانی، دانشکدگان فنی، دانشگاه تهران
شیوه ارجاع
�ربندسری، نیلوفر و حسنلو، مهدی،1404،استخراج خودکار راه ها و ساختمان ها از تصاویر ماهواره ای با توان تفکیک مکانی یک متر با استفاده از شبکه عمیق U-Net،بیست و نهمین همایش و نمایشگاه ملی مهندسی نقشه برداری و اطلاعات مکانی ژئوماتیک ۱۴۰۴ و پنجمین نمایشگاه بین المللی ایران ژئو،تهران
ارائهشده در
مجموعه مقالات بیست و نهمین همایش و نمایشگاه ملی مهندسی نقشه برداری و اطلاعات مکانی ژئوماتیک ۱۴۰۴ و پنجمین نمایشگاه بین المللی ایران ژئو29 آبان 1404 · تهران