改良されたゴールデンイーグル最適化アルゴリズムを用いた空中画像のセマンティックセグメンテーションのための適応型DeepLabv3+

セマンティックセグメンテーションは、リモートセンシングとコンピュータビジョンの分野において重要なタスクです。DeepLabV3+は、入力画像の各ピクセルにクラスラベルを割り当てるセマンティックセグメンテーションのタスクに優れた畳み込みニューラルネットワークアーキテクチャです。本論文は、Unimproved Golden Eagle Optimization Algorithm（IGEO）とDeepLabv3+を組み合わせた空中画像のセマンティックセグメンテーションのための適応型DeepLabv3+モデルを提案し、ターゲットのセグメンテーションの不正確さと境界セグメンテーションの精度の低さを解決します。セグメンテーションの質を向上させるために、Adaptive DeepLabV3+は、エンコーダ内で複数の膨張率を持つアトラス空間ピラミッドプーリング（ASPP）を採用し、モデルが異なるスケールを持つオブジェクトを効率的に識別できるようにします。提案されたモデルは、隠れニューロン数や学習率などのハイパーパラメータを最適化することで、空中画像を効果的にセグメント化します。提案されたモデルは、データセット1および2に対してそれぞれ136.8912および147.2684秒の計算時間内で98.46%の精度、96.32%の相関、96.48%の適合率、および98.36%のダイス係数を達成しました。したがって、提案されたモデルの進化的成果は、最先端技術と比較して大幅に改善されたことを示しています。