بررسی و ارزیابی شبکه های نوین یادگیری عمیق در تهیه نقشه پوشش اراضی از تصاویر با حد تفکیک بالا

چکیده مقاله

امروزه با گسترش بی سابقه شهرنشینی و تغییر مداوم چهرهی زمین ، توسعه ی زیرساخت های مناسب که قادر به رفع نیازهای این جمعیت رو به رشد باشد، خواستار نظارت مستمر و نقشه های به روز شهری می باشند با توجه به پتانسیل بالای تصاویر ماهواره ای و پیشرفت روزافزون تکنولوژی های اخذ اطلاعات از فضا، یکی از سریع ترین و باصرفه ترین راههای تهیه نقشه ، استفاده از دادههای سنجش ازدور می باشد تفسیر معنایی دستی این دادهها بسیار وقت گیر و پرهزینه است اما فن های یادگیری ماشین ازجمله یادگیری عمیق برای حل مشکلات طبقه بندی دادههای با حجم زیاد مناسب هستند با این حال، افزایش حدتفکیک سبب افزایش سطح جزییات تصویر و دشوارتر شدن کلاسه بندی آن می شود از این رو در این تحقیق ، با استفاده از تصاویر۱NAIP با حدتفکیک ۱ متر، سعی در تهیه نقشه پوشش اراضی با حدتفکیک بسیار بالا با استفاده از سه مدل یادگیری عمیق پیشرو و مقایسه نتایج حاصل از آنها می باشد در این تحقیق سه مدل مطرح مقایسه و ارزیابی شدند و نتیجه حاصل از این ارزیابی عملکرد بهتر مدل PAN نسبت به سایر مدلها را نشان می داد

کلیدواژه‌ها

نویسندگان

کوثر اسدی

دانشکده مهندسی نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسی

حمید عبادی

دانشکده مهندسی نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسی

عباس کیانی

دانشکده عمران، دانشگاه صنعتی نوشیروانی بابل

نیما فرهادی

دانشکده مهندسی نقشهبرداری، دانشگاه صنعتی خواجهنصیرالدین طوسی

�سدی، کوثر و عبادی، حمید و کیانی، عباس و فرهادی، نیما،1403،بررسی و ارزیابی شبکه های نوین یادگیری عمیق در تهیه نقشه پوشش اراضی از تصاویر با حد تفکیک بالا،بیست و هشتمین همایش ملی مهندسی نقشه برداری و اطلاعات مکانی (ژئوماتیک ۱۴۰۳)،تهران

ارائه‌شده در

مجموعه مقالات بیست و هشتمین همایش ملی مهندسی نقشه برداری و اطلاعات مکانی (ژئوماتیک ۱۴۰۳)9 اردیبهشت 1403 · تهران