ارزیابی عملکرد دو مدل یادگیری عمیق در استخراج عوارض ساختمانی از تصاویر ماهوار های با مدل رقومی سطح

چکیده مقاله

ساختمان ها یکی از مهم تر ین عوارض دست ساز بشر هستند کهشناسایی و مدیریت آن ها کاربردهای فراوانی دارد تصاویرسنجش ازدور و مدل رقومی سطح، منابع مناس بی برای استخراج وتولید نقشه ساختمان ها هستند با توجه به پیشرفت یادگیری عمیقدر دهه اخیر، این روش برای استخراج خودکار عوارض ساختمانی ازتصاویر سنجش ازدور کارآمد است در این تحقیق از دو مدل یادگیریعمیق شامل U Net و MA FCN برای تشخیص عوارض ساختمانی از تصاویر سنجش ازدور با بهره گیری از مدل رقومی سطح استفاده شدهاست نتایج حاصل از این تحقیق نشان می دهد که استفاده از مدلرقومی سطح در کنار تصاویر سه باندی، نتایج استخراج ساختمان ها رادر این روش ها بهبود داده و در تعداد اپک آموزشی کمتر نسبت بهتصاویر سه باندی به نتایج بهتری دست می یابد استفاده از مدل رقومی سطح در مدل های U Net و MA FCN به ترتیب ۷% و ۶% نتایج را بهبود داده است

کلیدواژه‌ها

نویسندگان

نیما احمدیان

دانشکده مهندسی نقشه برداری دانشگاه تبریز

امین صداقت

دانشکده مهندسی نقشه برداری دانشگاه تبریز

نازلا محمدی

دانشکده مهندسی نقشه برداری دانشگاه تبریز

�حمدیان، نیما و صداقت، امین و محمدی، نازلا،1402،ارزیابی عملکرد دو مدل یادگیری عمیق در استخراج عوارض ساختمانی از تصاویر ماهوار های با مدل رقومی سطح،بیست و هفتمین همایش ملی مهندسی نقشه برداری و اطلاعات مکانی (ژئوماتیک ۱۴۰۲)،تهران

ارائه‌شده در

مجموعه مقالات بیست و هفتمین همایش ملی مهندسی نقشه برداری و اطلاعات مکانی (ژئوماتیک ۱۴۰۲)11 اردیبهشت 1402 · تهران