دراسة أثر نسبة التسرب على أداء شبكة U_Net للتقسيم الدلالي للصور

إن الفصل الدلالي في الصور الفضائية هو تقنية مفصلية للاستفادة من التصوير الفضائي وتعد شبكات التعلم العميق حاليا من التقنيات الأساسية لحل الكثير من المسائل الواقعية، ومنها معالجة الصور الفضائية، وخصوصا بنية مرمز_فاك ترميز (Encoder-Decoder Architecture). يتطلب تصميم بنية شبكة التعلم العميق البحث في فضا...

Full description

Saved in:
Bibliographic Details
Published inمجلة جامعة تشرين للبحوث والدراسات العلمية- سلسلة العلوم الهندسية Vol. 44; no. 4
Main Authors farah haddad, ghadi mahmoudi, thanaa jbeily
Format Journal Article
LanguageArabic
Published Tishreen University 01.09.2022
Subjects
شبكات التعلم العميق، الفصل الدلالي، شبكة U_Net، الصور الفضائية، نسبة التسرب
Online AccessGet full text

Cover

More Information
Summary:إن الفصل الدلالي في الصور الفضائية هو تقنية مفصلية للاستفادة من التصوير الفضائي وتعد شبكات التعلم العميق حاليا من التقنيات الأساسية لحل الكثير من المسائل الواقعية، ومنها معالجة الصور الفضائية، وخصوصا بنية مرمز_فاك ترميز (Encoder-Decoder Architecture). يتطلب تصميم بنية شبكة التعلم العميق البحث في فضاء واسع من الحلول، تتراوح بين البنى البسيطة، التي تعطي نتائج متواضعة، والبنى الأكثر تعقيدا، طمعا بالوصول إلى نتائج أفضل. ترافق هذه الحلول كلف زمنية وتقنية (الأجهزة التي تعمل عليها البرمجيات) مختلفة. يحاول هذا البحث استقصاء الحلول الموافقة للظروف المحلية من عدد الصور الفضائية المتاحة ومعالجة الصور الأولية قبل إدخالها إلى مرحلة التقسيم الدلالي والتي سيتم تنفيذها باستخدام شبكة U_Net [1] المعدلة من حيث حجم طبقة الادخال وعدد الطبقات الالتفافية ونوع دالة التنشيط ونوع عملية استعادة البكسلات (النقاط اللونية) في المسار الثاني من الشبكة بالإضافة إلى دراسة تأثير إضافة طبقات تسريب إلى بنية الشبكة (دراسة نسب مختلفة للتسريب وتأثيره على نتائج النموذج)
ISSN:2079-3081
2663-4279