تقسيم الصور عن بُعد لتعرُف الطائرات باستخدام U-Net كهيكل تعلم عميق

تعرُف الطائرات تلقائيًا باستخدام الصور الساتلية له تطبيقات مختلفة في كل من القطاعين المدني والعسكري. ومع ذلك، بسبب تعقيد وتنوع المقدمة والخلفية في الصور المُحللة، يبقى من التحديات الحصول على تمثيل مناسب للطائرات للتعريف. تم تقديم العديد من الدراسات والحلول في الأدبيات، ولكن القليل من الدراسات اقترح معالجة هذه المشكلة باستخدام تقنيات تقسيم الصور الدلالية بسبب نقص مجموعات البيانات المعلّمة علنًا. مع تقدم الشبكات العصبية التلافيفية، قدم الباحثون بعض هياكل الشبكات مثل U-Net، والتي تتمتع بالقدرة على تحقيق أداء جيد جدًا باستخدام مجموعة تدريب صغيرة. لقد حصلت هندسة U-Net على الكثير من الاهتمام في تقسيم الصور الطبية ثنائية وثلاثية الأبعاد وتم التعرف عليها على أنها ناجحة للغاية في تصنيف الصور الساتلية على مستوى البكسل. في هذه الورقة، نقترح نموذج تقسيم صور ثنائي للتعرف على الطائرات من خلال استغلال واعتماد هندسة U-Net لصور الأقمار الصناعية عن بُعد. لا يتطلب النموذج المقترح مقدارًا كبيرًا من البيانات المعلّمة ويخفف الحاجة إلى استخراج ميزات الطائرات يدويًا. يتم استخدام مجموعة بيانات عن بُعد مع علامات كثيفة عامة لإجراء التجارب وقياس قوة وأداء النموذج المقترح. يتم اعتماد متوسط IoU ودقة البكسل كمقاييس لتقييم النتائج المُحصلة. تشير النتائج في مجموعة البيانات الاختبارية إلى أن النموذج المقترح يمكن أن يحقق متوسط IoU بنسبة 95.08% ودقة بكسل تبلغ 98.24%.