إطار كشف المباني المتعددة المستويات في صور الاستشعار عن بعد بناءً على الشبكات العصبية التلافيفية

في هذه الورقة، نقترح إطاراً هيراركيًا لكشف المباني يعتمد على نموذج التعلم العميق، والذي يركز على كشف المباني بدقة من صور الاستشعار عن بعد. لتحقيق ذلك، نقوم أولاً ببناء نموذج توليد عينات التدريب متعددة المستويات باستخدام تقنية هرم غاوسي لتعلم ميزات كائنات المباني بمقاييس مختلفة ودقة مكانية. ثم، يتم تقديم الشبكات المقترحة لمناطق المباني لاستخراج مناطق المباني المرشحة بسرعة، مما يزيد من كفاءة كشف كائنات المباني. استناداً إلى مناطق المباني المرشحة، نقوم بإنشاء نموذج كشف المباني متعددة المستويات باستخدام الشبكات العصبية التلافيفية (CNNs)، والتي يتم من خلالها حساب ميزات الصورة العامة لكل اقتراح منطقة مبنى. أخيراً، يتم توفير الميزات المكتسبة كمدخلات لتدريب نموذج الشبكات العصبية التلافيفية، ويُطبق النموذج المدرب لاحقاً لاختبار الصور لكشف المباني غير المعروفة. تظهر تجارب متعددة باستخدام بيانات المجموعتين I و II (في القسم V-A) أن الإطار المقترح يزيد من قيم الدقة المتوسطة لكشف المباني بنسبة 3.63%، 3.85%، و 3.77%، مقارنةً بالطرق المتقدمة، أي الطريقة IV. بالإضافة إلى ذلك، فإن الطريقة المقترحة قوية أمام المباني التي لها قوام مكاني وأنواع مختلفة.