استخراج الطرق باستخدام الشبكة العصبية العميقة U-Net المتبقية

استخراج الطرق من الصور الجوية كان موضوعًا بحثيًا ساخنًا في مجال تحليل صور الاستشعار عن بعد. في هذه الرسالة، تم اقتراح شبكة تقسيم دلالاتية (semantic segmentation) عصبية تجمع بين مزايا التعلم المتبقي (residual learning) وشبكة U-Net لاستخراج مناطق الطرق. تم بناء الشبكة باستخدام وحدات متبقيّة ولديها هيكل مشابه لهيكل شبكة U-Net. تكمن فوائد هذا النموذج في جوانبين: أولاً، تسهل الوحدات المتبقيّة تدريب الشبكات العميقة. ثانيًا، يمكن أن تسهم الروابط القفزية (skip connections) الغنية داخل الشبكة في نشر المعلومات، مما يتيح لنا تصميم شبكات ذات عدد أقل من المعالم ومع ذلك أداء أفضل. قمنا باختبار شبكتنا على مجموعة بيانات طرق عامة وقارناها مع شبكة U-Net وطريقتين أخريين حديثتين تعتمدان على التعلم العميق لاستخراج الطرق. أثبتت الطريقة المقترحة أنها تتفوق على جميع الطرق المقارنة، مما يدل على تفوقها على التقنيات الحديثة التي تم تطويرها مؤخرًا.