قطعه بندی معنایی ساختمان های شهری مبتنی بر معماری شبکه عصبی پیچشی عمیق

چکیده مقاله

در این مقاله با هدف استخراج ساختمان از تصاویر با وضوح زیاد، از یک معماری شبکه عصبی پیچشی عمیق از نوع رمزگذار رمزگشا استفاده شده است در این مدل پیشنهادی ، لایه های پیچشی با نرخهای کمتری در مقایسه با ماژول اصلی ، اعمال شده و از پیچش گسترده به جای پیچش استاندارد استفاده گردید تا هدف دستیابی به قطعه بندی معنایی قدرتمندتر عوارض ساختمانی با اندازه کوچک و بزرگ محقق گردد قابلیت اجرایی مدل پیشنهادی در این تحقیق با استفاده از مجموعه داده WHU ارزیابی گردید و نتایج بدست آمده نشان داد که استفاده از نرخ های آتروس کمتر و تغییر آنها به ۴، ۸ و ۱۲به طور قابل توجهی عملکرد قطعه بندی را در این مجموعه داده بهبود بخشیده است

کلیدواژه‌ها

نویسندگان

محمدعرفان امتی

گروه مهندسی نقشه برداری، دانشکده مهندسی عمران، دانشگاه تربیت دبیر شهید رجایی

فاطمه طبیب محمودی

گروه مهندسی نقشه برداری، دانشکده مهندسی عمران، دانشگاه تربیت دبیر شهید رجایی

�متی، محمدعرفان و طبیب محمودی، فاطمه،1403،قطعه بندی معنایی ساختمان های شهری مبتنی بر معماری شبکه عصبی پیچشی عمیق،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