تقدير الموقع الجغرافي للصور باستخدام نموذج هرمي وتصنيف المشهد

بينما يمكّن التقدير الناجح لموقع الصورة الجغرافي من عدد من التطبيقات المثيرة، إلا أنه يظل مهمةً صعبة للغاية. وبسبب تعقيد المشكلة، فإن معظم الأساليب الحالية محدودة بمناطق معينة أو صور محددة أو معالم عالمية فقط. وتملك فقط عدد قليل من الاقتراحات القدرة على التنبؤ بإحداثيات نظام تحديد المواقع العالمي (GPS) دون أي قيود. في هذه الورقة، نقدّم عدة أساليب قائمة على التعلم العميق، التي تتبع النهج الأخير، وتعتبر مسألة تحديد الموقع الجغرافي كمشكلة تصنيف، حيث يتم تقسيم الأرض إلى خلايا جغرافية. ونقترح استغلال المعرفة الهرمية لتقسيمات متعددة، بالإضافة إلى استخلاص محتوى المشهد في الصورة واعتباره في الحساب، مثل البيئة الداخلية، أو الطبيعية، أو الحضرية، إلخ. وبذلك، يتم دمج معلومات سياقية على مختلف دوالات الدقة المكانية، إلى جانب ميزات أكثر تخصصًا لمختلف البيئات، ضمن عملية التعلّم الخاصة بالشبكة العصبية التلافيفية (CNN). وأظهرت النتائج التجريبية على معيارين مختلفين فعالية نهجنا، حيث تفوق على أحدث التقنيات، مع استخدام عدد أقل بكثير من الصور التدريبية، وبلا اعتماد على طرق الاسترجاع التي تتطلب وجود مجموعة مرجعية مناسبة.