معرفی یک معماری قطعه بندی معنایی مبتنی بر یادگیری عمیق برای استخراج خودکار ساختمان ها

در سال های اخیر، توسعه تصاویر سنجش از دور، تحقیقات در زمینه قطعه بندی معنایی را سرعت بخشیده است. هنگام طراحی شبکه های عصبی پیچشی برای قطعه بندی معنایی ساختمان ها، همیشه یک میدان پذیرنده بزرگ مرکز توجه بوده است. اکثر تکنیک ها در سال های اخیر از maxpooling برای افزایش میدان دریافتی یک شبکه به بهای کاهش وضوح مکانی آن استفاده می کنند. اگرچه این ایده نتایج بهبود یافته ای را در کاربردهای تشخیص اشیا نشان داده است؛ با این حال، وقتی صحبت از قطعه بندی معنایی می شود؛ وضوح مکانی بالایی نیز باید در نظر گرفته شود. برای پرداختن به این موضوع، یک مدل یادگیری عمیق جدید در این مقاله پیشنهاد شده است که هم وضوح مکانی بالا و هم میدان پذیرایی به اندازه کافی بزرگ را برآورده می کند؛ در حالیکه اندازه مدل را به حداقل می رساند. شبکه پیشنهادی مبتنی بر معماری رمزگذار-رمزگشا است. رمزگذار از پیچش آتروس برای رمزگذاری ویژگی ها با وضوح کامل استفاده می کند و رمزگشا از یک ماژول استخراج ویژگی چندمسیری تشکیل شده است که می تواند اطلاعات زمینه چندمقیاسی را از ویژگی های کدگذاری شده استخراج کند. نتایج تجربی گزارش شده در مقاله، قابلیت اجرای طرح پیشنهادی را نشان می دهد.