تحسين التقطيع الدلالي باستخدام الشبكات العصبونية العميقة

الملخص

تعتبر الشبكات العصبونية العميقة ( التعلم العميق ) إحدى أهم الطرق المستخدمة في حل مشكلات الرؤية الحاسوبية، وتعتبر خوارزميات التقطيع الدلالي من الخوارزميات المتقدمة في الرؤية الحاسوبية التي تقدم أداءً عالياً كونها تعطي تفاصيل دقيقة عن استخدامها بالشكل المناسب، تعتبر خوارزمية الشبكات العصبونية (U_Net) من الطرق جيدة الأداء في مشكلات التقطيع الدلالي إلا أنها تعاني من بعض المشكلات وذلك لعدم قدرتها على التعامل مع مشكلات تجزئة المثيل.

تم في هذه الدراسة تعديل ودمج مجموعة من الخطوات بهدف منح U_Net القدرة على التعامل مع تجزئة المثيل حيث تمت إضافة عمليتين عند المعالجة المسبقة للبيانات وهما تقطيع الصور إلى شرائح وترميزها بحسب الأصناف الموجودة بها باستخدام( one hot encoding) بالإضافة إلى تجزئة الصور إلى أجزاء صغيرة متساوية للتمكن من تدريب النموذج لاحقاً.

كما تم استخدام تابع كلفة خاص عند تدريب النموذج ( soft dice-loss ) ومقارنة أداءه مع أهم توابع الكلفة الشائع استخدامها عادةً ( cross-entropy  و mae ).

تمت التعديلات المذكورة على عينات من الصورة الجوية لمناطق محددة واختبار قدرة النموذج المعدل على تحديد أنواع المناطق الجغرافية المتضمنة في الصورة الجوية والتي تم تقسيمها إلى خمسة أصناف.