تشخيص شي در تصاوير سنجش از دور با استفاده از يادگيري عميق

كارشناسي ارشد

چكيده با توجه به پيشرفت هاي فناوري بي سابقه در حوزه‌ي سنجش از دور به تازگي زمينه هاي كاربردي اين تصاوير گسترش يافته است و همزمان ميزان كارايي اين كاربردها نيز به طور قابل توجهي بهبود يافته است. تشخيص شي در تصاوير سنجش از دور با توجه به اطلاعات پس‌زمينه پيچيده‌اي كه دارند نسبت به تصاوير طبيعي با چالش‌هاي بيشتر مواجه است. تصاوير سنجش از دور اطلاعاتي در مورد بافت، شكل و ساختار اشياء در سطح زمين ارائه مي دهند و مي توانند براي شناسايي دقيق شي مورد استفاده قرار گيرند.هدف از اين پايانامه شناسايي اشيا در تصاوير هوايي است.ما از مجموعه داده اي شامل 10 كلاس اشيا مانند كشتي، هواپيماو .... استفاده كرده ايم. مجموعه داده استفاده شده با سه روش مختلف افزوده شده است. اين سه روش افزونگي شامل چرخش، آينه سازي و چرخش-آينه سازي است. ما نتايج را با استفاده از معيار دقت ميانگينAP) ) ارزيابي كرده ايم و نتايج خود را با نتايج كارهاي قبلي مقايسه نموديم. ما دريافتيم كه RetinaNet پيشنهاد شده‌ي ما اشيا را به ميزان 2.84% بهتر از روش‌هاي استفاده شده در آثار قبلي براي كلاس هاي مشابه تشخيص مي‌دهد. علاوه بر اين، ما مشاهده كرديم كه بدترين نتايج روش ما براي افزونگي چرخش حاصل مي شود. با تحليل نتايج و انجام بسياري از آزمايش ها توانستيم مشكل را به ميزان خوبي حل كنيم. براي حل اين مشكل از روش تطبيق الگو استفاده كرديم. ما كلاس كشتي را به عنوان مورد خاص براي انجام آزمايشات انتخاب كرديم. در نهايت توانستيم كه با استفاده از روش پيشنهادي مشكل افزونگي داده با چرخش را براي RetinaNet بر طرف كنيم. كلمات كليدي: سنجش از دور، تشخيص اشيا، افزايش داده، RetinaNet

193460

دانشگاه علم و صنعت ايران

دكتر محمدرضا محمدي

هوش مصنوعي و رپاتيكز

دكتر محسن سرياني