بهره گیری از یک شبکه عصبی پیچشی باقیمانده عمیق پالایش شده به منظور ارزیابی و مقایسه دقت آشکارسازی عارضه راه حاصل از تصاویر راداری سنتینل 1 (مطالعه موردی: کلان شهرهای تهران و شیراز)
در سال های اخیر آشکارسازی و استخراج عارضه راه از تصاویر ماهواره ای با پیشرفت و توسعه ی الگوریتم های یادگیری عمیق در بخش تقسیم بندی معنایی بیش ازپیش موردتوجه پژوهشگران قرارگرفته است. در این راستا بیشتر مطالعات انجام شده درزمینه آشکارسازی و شناسایی عارضه راه با استفاده از تصاویر اپتیک بوده و در این میان مطالعات معدودی با استفاده از تصاویر راداری در سطح جهان انجام شده است. لذا هدف این مقاله بهره گیری از یک شبکه عصبی پیچشی باقیمانده عمیق پالایش شده (RDRCNN) به منظور ارزیابی و مقایسه دقت آشکارسازی عارضه راه حاصل از تصاویر راداری سنتینل 1 در کلان شهرهای تهران و شیراز در شرایط برابر ازنظر تعداد نمونه های آموزشی، اعتبارسنجی و معماری یکسان می باشد. در این تحقیق جهت آشکارسازی عارضه راه با استفاده از شبکه های عصبی عمیق (DNN)، از ترکیب رنگی VV-VH تصاویر راداری سنتینل 1 از 8 شهر مختلف (تهران، مشهد، اصفهان، شیراز، تبریز،، ارومیه، بغداد و پکن) بهره گرفته شد. درنهایت برای آموزش و آشکارسازی عارضه راه از مدل RDRCNN با داشتن یک واحد متصل باقی مانده (RCU) و یک واحد ادراک متسع شده (DPU) استفاده شد. یافته های پژوهش حاکی از آن است که مدل RDRCNN در فرایند شناسایی و آشکارسازی راه در دو شهر تهران و شیراز تقریبا یکسان عمل کرده و به طورکلی مدل فوق در شهر شیراز اندکی بهتر عمل نموده است؛ به صورتی که ازنظر متریک های ارزیابی صحت برای تصاویر شهر تهران معیارهای کامل بودن 57.66%، صحت 51.29%، امتیاز F1 54.43% و دقت کلی 92.78% و برای تصاویر شهر شیراز معیارهای کامل بودن 60.77%، صحت 54.71%، امتیاز F1 57.40% و دقت کلی 95.63% به دست آمد. یافته های این پژوهش دقت پایین آموزش و آشکارسازی عارضه راه از تصاویر راداری سنتینل 1 برای دو مورد از کلان شهرهای ایران را نشان می دهد. به طورکلی با مقایسه نتایج حاصل از این پژوهش و مطالعات قبلی می توان به این مورد پی برد که یکی از مهم ترین علل دقت پایین نتایج، کم عرض بودن راه ها در شهرهای ایران می باشد؛ اما به علت فقدان مطالعات لازم در زمینه ی آشکارسازی عارضه راه با تصاویر راداری سنتینل 1، نمی توان با قاطعیت در مورد نتایج آن اظهارنظر کرد و پیشنهاد می شود مطالعات بیشتری در این زمینه انجام گیرد.
یادگیری عمیق ، RDRCNN ، سنتینل 1 ، آشکارسازی راه ، تهران ، شیراز
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.