طبقه‌بندی چند لایه تصاویر ماهواره ای با یادگیری عمیق (Deep Learning)

قیمت: 38,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

طبقه‌بندی چند لایه تصاویر ماهواره ای با یادگیری عمیق (Deep Learning)

عنوان لاتین

Multi-label Classification of Satellite Images with Deep Learning

اطلاعات مکانی به روز از فعالیت‌های انسان برای دانشمندان و دولت هایی که برای حفاظت از جنگل های آمازون کار می کنند بسیار حیاتی است. ما یک مدل شبکه عصبی کانولوشن (CNN) را برای دسته بندی چند لایه تصاویر ماهواره ای آمازون به کار می بریم. مدل ما شرایط آب و هوایی و ویژگی های طبیعی زمین در تصاویر و همچنین تحولات انسانی مانند جاده ها، زمین‌های کشاورزی و واقعه‌نگاری را مشخص می کند. ما با اجرای یک مدل CNN ساده که با 0.84 F-score به دست می آید شروع می کنیم. سپس سه معماری CNN عمیق که موفقیت جدیدی در چالشImageNet داشته را آزمایش کرده و نشان داده‌ایم که یک مدل ResNet-50 می تواند 0.91 F-score را بدست آورد. بهترین عملکرد مدل ما از طریق تعدادی از data augmentation و تکنیک های گروهی به دست می آید. مدل ما در شناسایی عملیات معدنی غیر قانونی مؤثر است. این مدل ها ذینفعان را قادر می سازد تا دقیقا مشخص کنند که جنگل زدایی و فعالیت غیر قانونی مرتبط با آن در کجا درحال انجام است و سیاست های هدفمند را برای محدود کردن اثرات زیان آور آن به کار می گیرد.

Up-to-date location information of human activity is vitally important to scientists and governments working to preserve the Amazon rainforest. We implement a Convolutional Neural Network (CNN) model to perform multi-label classification of Amazon satellite images. Our model identifies the weather conditions and natural terrain features in the images as well as man-made developments such as roads, farming, and logging. We begin by implementing a simple CNN model that achieves a 0.84 F-score. We then experiment with three deep CNN architectures that have had recent success in the ImageNet Challenge and show that a ResNet-50 model can achieve a 0.91 F-score. Our model’s best performance is achieved via a number of data augmentation and ensemble techniques. Our model is particularly effective at identifying illegal mining operations. These models will enable stakeholders to pinpoint where deforestation and associated illegal activity is taking place and craft targeted policy to limit its deleterious effects.