تنبؤ تخطيط المشهد على مستوى الأرض من الصور الجوية

نقدم استراتيجية جديدة لتعلم استخراج الخصائص ذات المعنى الدلالي من الصور الجوية. بدلاً من تسمية الصور الجوية يدويًا، نقترح التنبؤ بالخصائص الدلالية (الضوضائية) المستخرجة تلقائيًا من الصور الأرضية المتمركزة في نفس الموقع. يتكون تصميم شبكتنا من صورة جوية كمدخل، حيث يتم استخراج الخصائص باستخدام شبكة عصبية افتراضية تلافيفية (Convolutional Neural Network)، ثم يتم تطبيق تحويل متكيف لتخطيط هذه الخصائص إلى المنظور الأرضي. نستخدم نهجًا للتعلم من البداية إلى النهاية لتصغير الفرق بين تقسيم الصورة إلى أقسام دلالية مستخرج مباشرة من الصورة الأرضية وتقسيم الصورة إلى أقسام دلالية المتوقع بناءً على الصورة الجوية فقط. نوضح أن النموذج الذي تم تعلمه باستخدام هذه الاستراتيجية، دون أي تدريب إضافي، قادر بالفعل على تصنيف دلالي خشن للصور الجوية. بالإضافة إلى ذلك، نثبت أنه بتحسين هذا النموذج يمكننا تحقيق تقسيم دلالي أكثر دقة مقارنة باستراتيجيتين أساسيتين للتوصيل الأولي. نستخدم شبكتنا لمعالجة مهمة تقدير موقع الصورة الأرضية وتوجيهها الجغرافي. وأخيرًا، نوضح كيف يمكن استخدام الخصائص المستخرجة من صورة جوية لإنشاء بانوراما أرضية محتملة.请注意，这里的翻译已经尽量遵循了您的要求，包括内容准确性、表达流畅性、表述正式性和忠于原文。同时，对于不常见的术语，如“convolutional neural network”，在首次出现时进行了注释。希望这能符合您的需求。