شبکه های عصبی و یادگیری عمیق در پردازش داده های ماهواره ای

چکیده مقاله

رشد فزاینده حجم و پیچیدگی داده های ماهواره ای فرصت های بی سابقه و در عین حال چالش های تحلیلی قابل توجهی را در حوزه مشاهده زمین ایجاد کرده است یادگیری عمیق به ویژه معماری های مبتنی بر شبکه های عصبی مانند RNN، CNN و مدل های ترکیبی مبتنی بر توجه به رویکردی تحول آفرین برای پردازش، تحلیل و تفسیر تصاویر ماهواره ای بدل شده است این مرور تلفیقی ساختاریافته از مدل های کلیدی یادگیری عمیق به کار رفته در حوزه های ماهواره ای ارائه می دهد و نقش آنها را در وظایفی مانند طبقه بندی کاربری زمین، آشکارسازی تغییرات، پیش بینی های محیطی و پاسخ به بلایا برجسته می کند معماری هایی چون شبکه های عصبی پیچشی CNN در استخراج ویژگی های مکانی برتری دارند در حالی که شبکه های عصبی بازگشتی RNN و ConvLSTM الگوهای زمانی در داده های چندزمانه را به خوبی مدیریت می کنند این مرور همچنین به روندهای اخیر در هوش مصنوعی روی برد، مدل های سبک وزن برای محاسبات لبه و سازوکارهای توجه برای بهبود دقت و تبیین پذیری می پردازد با وجود پیشرفت های قابل توجه، چالش هایی مانند کمبود داده، تعمیم پذیری محدود مدل و قیود تبیین پذیری همچنان پابرجاست این مقاله با ارائه نگاهی انتقادی به چشم انداز کنونی و مسیرهای آتی شبکه های عصبی در پردازش داده های ماهواره ای در پی پشتیبانی از پژوهش و توسعه در سامانه های هوشمند مشاهده زمین است

کلیدواژه‌ها

نویسندگان

سعید بلوچیان

گروه مهندسی برق واحد مشهد دانشگاه آزاد اسلامی مشهد ایران

محمدامیر رزمی

گروه مهندسی هوافضا واحد علوم و تحقیقات تهران دانشگاه آزاد اسلامی، تهران، ایران

پویا فریدفر

گروه مهندسی کامپیوتر واحد مشهد دانشگاه آزاد اسلامی مشهد، ایران

روشنک قاسمیان

پژوهشگر مستقل

�لوچیان، سعید و رزمی، محمدامیر و فریدفر، پویا و قاسمیان، روشنک،1404،شبکه های عصبی و یادگیری عمیق در پردازش داده های ماهواره ای،هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع،اسفراین

ارائه‌شده در

مجموعه مقالات هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع19 آبان 1404 · اسفراین