ارائه و ارزیابی Deep Learning در تفکیک مکانی مناطق شهری

رشد و پیشرفت روزافزون در شهرسازی و تغییرات سریع در سطح زمین ضرورت بررسی مستمر این تغییرات را افزایشداده است. طبقه بندی تصاویرسنجش ازدوری با قدرت تفکیک بالا می تواند بهینه ترین راه ممکن در جهت نیل به اینهدف باشد. طبقه بندی این تصاویر به دلیل شباهت های بین کلاسی موجود و هم چنین وجود تفاوت ها در یک کلاس،همواره با چالش هایی روبرو بوده است. وجود این نوع چالش ها لزوم به کارگیری روش های دقیق در زمینه ی طبقهبندی تصاویر را یادآوری می کند. به همین منظور، ابتدا، شبکه ای عمیق به منظور استخراج ویژگی های عمیق و بهینهاز تصویر هوایی طراحی گردیده است. سپس، برای ارزیابی تاثیرگذاری همسایگی های مختلف در تولید ویژگی هایعمیق بهینه، استخراج ویژگی در پچ های تصویری با ابعاد متفاوت، مورد بررسی قرار گرفته است. در انتها، برای بررسیقابلیت طبقه بندی روش یادگیری عمیق، در رویکردی متفاوت، از روش ماشین بردار پشتیبان برای طبقه بندی براساسویژگی های عمیق تولیدشده، استفاده گردیده است. مقاله فوق توصیفی و تحلیلی بوده و با استفاده از کتب های معتبر ومقالات جمع آوری گردیده است و به بررسی و ارزیابی کلی Deep Learning در تفکیک مکانی مناطق شهری بااستفاده از ماهواره ها پرداخته است.