برای اطلاع از آخرین مقالات علمی و اخبار کرونا(COVID-19) کلیک کنید

مشخصات مقاله

عنوان نشریه: 
 
اطلاعات شماره: 
آذر 1398 , دوره  9 , شماره  2 ; از صفحه 151 تا صفحه 170 .
 
عنوان مقاله: 

ارائه روشی بهینه مبتنی بر یادگیری عمیق به منظور طبقه بندی طیفی مکانی تصاویر با قدرت تفکیک مکانی بالا در مناطق نیمه شهری

 
نویسندگان: 
 
آدرس:  
* دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی
 
چکیده: 
رشد و پیشرفت روزافزون در شهرسازی و تغییرات سریع در سطح زمین ضرورت بررسی مستمر این تغییرات را افزایش داده است. طبقه بندی تصاویرسنجش ازدوری با قدرت تفکیک بالا می تواند بهینه ترین راه ممکن در جهت نیل به این هدف باشد. طبقه بندی این تصاویر به دلیل شباهت های بین کلاسی موجود و هم چنین وجود تفاوت ها در یک کلاس، همواره با چالش هایی روبرو بوده است. وجود این نوع چالش ها لزوم به کارگیری روش های دقیق در زمینه ی طبقه بندی تصاویر را یادآوری می کند. در این مقاله از روش شبکه های عصبی کانولوشنی مبتنی بر یادگیری عمیق به منظور طبقه بندی تصاویر استفاده گردیده است. دلیل این انتخاب امکان استفاده از ویژگی های عمیق و فراگیر توسط روش نام برده می باشد. در این مقاله، هدف اساسی تعیین ساختاری مبتنی بر شبکه های عمیق برای کلاسه بندی بهینه ی تصاویر هوایی با قدرت تفکیک مکانی بالا است. برای رسیدن به این هدف، جزییات و رویکردهای در نظر گرفته شده برای شبکه از اهمیت بالایی برخوردار است. به همین منظور، ابتدا، شبکه ای عمیق به منظور استخراج ویژگی های عمیق و بهینه از تصویر هوایی طراحی گردیده است. سپس، برای ارزیابی تاثیرگذاری همسایگی های مختلف در تولید ویژگی های عمیق بهینه، استخراج ویژگی در پچ های تصویری با ابعاد متفاوت، مورد بررسی قرار گرفته است. در انتها، برای بررسی قابلیت طبقه بندی روش یادگیری عمیق، در رویکردی متفاوت، از روش ماشین بردار پشتیبان برای طبقه بندی براساس ویژگی های عمیق تولیدشده، استفاده گردیده است. بررسی و مقایسه نتایج حاصله، تصویر روشنی از قابلیت طبقه بندی در روش یادگیری عمیق به نسبت روش مرسوم ماشین بردار پشتیبان، در شرایط مشابه استفاده از ویژگی های عمیق ارائه کرده است. جهت ارزیابی روش، از داده های هوایی با قدرت تفکیک مکانی یک متر در منطقه des moines در ایالات متحده آمریکا و تصویری از منطقه ی رویان واقع در استان مازندران استفاده گردیده است. در نهایت نتایج ارزیابی ها، بهبود در سه معیار دقت precision، recall و f1-score را در رویکرد استفاده از پچ های تصویری بزرگ تر را نشان می دهد. هم چنین استفاده از روش های یادگیری عمیق به عنوان استخراج کننده ویژگی و طبقه بندی تصویر با استفاده از ویژگی های عمیق تولیدشده توسط ماشین بردار پشتیبان، در حالت کلی نتایج ارزیابی بهتری به نسبت تولید ویژگی و طبقه بندی به صورت یک پارچه توسط روش شبکه ی عصبی کانولوشنی داشته است.
 
کلید واژه: 

 
موضوعات مرتبط: 
 
 
مقالات نشریه ای مرتبط:  
 
مقالات همایشی مرتبط: 
 
ارتباط خیلی زیاد ارتباط زیاد مرتبط ارتباط کمتر
 
ارجاعات: 
  • ثبت نشده است
 
استنادات: 
  • ثبت نشده است
 
+جهت ارجاع به این مقاله کلیک کنید(Cite).
APA : کپی

موسوی، س.، و عبادی، ح.، و کیانی، ع. (1398). ارائه روشی بهینه مبتنی بر یادگیری عمیق به منظور طبقه بندی طیفی مکانی تصاویر با قدرت تفکیک مکانی بالا در مناطق نیمه شهری. علوم و فنون نقشه برداری, 9(2 ), 151-170. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=511246



Vancouver : کپی

موسوی سیدمهدی، عبادی حمید، کیانی عباس. ارائه روشی بهینه مبتنی بر یادگیری عمیق به منظور طبقه بندی طیفی مکانی تصاویر با قدرت تفکیک مکانی بالا در مناطق نیمه شهری. علوم و فنون نقشه برداری. 1398 [cited 2021November30];9(2 ):151-170. Available from: https://www.sid.ir/fa/journal/ViewPaper.aspx?id=511246



IEEE : کپی

موسوی، س.، عبادی، ح.، کیانی، ع.، 1398. ارائه روشی بهینه مبتنی بر یادگیری عمیق به منظور طبقه بندی طیفی مکانی تصاویر با قدرت تفکیک مکانی بالا در مناطق نیمه شهری. علوم و فنون نقشه برداری, [online] 9(2 ), pp.151-170. Available: https://www.sid.ir/fa/journal/ViewPaper.aspx?id=511246.



 

 
چکیده انگلیسی بازدید یکساله 172 مباني نظري و تجربي ونداليسم: مروري بر يافته هاي يك تحقيق
 
آخرین های بلاگ
ورود به بلاگ مرکز اطلاعات علمی