صور جوية تلتقي بمسارات مُجمَّعة من المستخدمين: نهج جديد لاستخراج الطرق بشكل موثوق

تحليل الاستشعار عن بعد للأرض يُعد مجالًا بحثيًا حيويًا في علوم الأرض. في هذا العمل، نركز على مهمة صعبة في تحليل الأراضي، وهي الاستخراج التلقائي للطرق المرورية من بيانات الاستشعار عن بعد، والتي تتمتع بتطبيقات واسعة في تقييم التنمية والتوسع الحضري. ومع ذلك، فإن الطرق التقليدية إما تعتمد فقط على المعلومات المحدودة في الصور الجوية، أو تقوم بدمج بسيط لمعلومات متعددة الأنواع (مثل مسارات المركبات)، مما يجعلها غير قادرة على التعرف بكفاءة على الطرق في بيئات غير محددة. ولتسهيل حل هذه المشكلة، نقدم إطارًا جديدًا للشبكة العصبية يُسمى شبكة انتشار الرسائل عبر الوسائط المتنوعة (CMMPNet)، والتي تستفيد بالكامل من المعلومات المكملة بين البيانات المختلفة (أي الصور الجوية ومسارات البيانات المجمعة من المستخدمين). وبشكل خاص، يتكون CMMPNet من مُشفّرين عميقين (Auto-Encoders) لتعلم تمثيلات مخصصة لكل وسيلة، ووحدة تحسين مزدوجة مصممة خصيصًا لتحسين التمثيلات عبر الوسائط. وبالتحديد، يتم استخراج المعلومات المكملة من كل وسيلة بشكل شامل ونقلها ديناميكيًا لتعزيز تمثيل الوسيلة الأخرى. وقد أظهرت التجارب الواسعة على ثلاث معايير واقعية فعالية CMMPNet في استخراج الطرق بشكل موثوق، وذلك بفضل دمج البيانات من مصادر مختلفة، سواء باستخدام بيانات الصور ومسارات المركبات أو بيانات الصور وبيانات الليدار. ومن نتائج التجارب، لاحظنا أن النهج المقترح يتفوق على أحدث الطرق المتطورة بفارق كبير. وتم إتاحة الشفرة المصدرية للمشروع على الصفحة الرسمية: http://lingboliu.com/multimodal_road_extraction.html.