استخراج خودکار مدل حاشیه ساختمان ها با استفاده از یادگیری انتقالی عمیق
Publish place: 4th National Conference on Computer, Information Technology and Applications of Artificial Intelligence
Publish Year: 1399
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 562
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEITCONF04_025
تاریخ نمایه سازی: 13 تیر 1400
Abstract:
در تحقیق های اخیر با تکیه بر روش های یادگیری عمیق، اتصالات و خطوط به طور مستقیم از روی مجموعه دادههای مقیاس بزرگ دارای برچسب دستی یادگیری می شوند. در این روش ها، شبکه های عصبی کانولوشنی مناسب برای هر یک از خطوط و اتصالات را بطور جداگانه طراحی کرده و سپس خروجی این شبکه ها را با هم ترکیب و یک وایرفریم کامل (تمامی خطوط مستقیم برجسته و اتصالات یک صحنه) را بدست می آورند. در این تحقیق سعی شده تا بدون استفاده از دادههای عمق و با کمک شبکه های عصبی عمیق، ایده استخراج حاشیه بیرونی ساختمانها، با روش استخراج خطوط و اتصالات بصورت وایرفریم از روی تصاویر هوایی مناطق شهری، پیاده سازی شود. برای انجام این کار به جای ایجاد مجموعه های آموزشی بزرگ و آموزش هر مدل از ابتدا، از روش یادگیری انتقالی انتها به انتها استفاده شده است. برای اینکار مدلی با دو شبکه متفاوت برای شناسایی اتصالات و خطوط انتخاب گردیده است که از قبل با ۵۰۰۰ داده برچسب دار شامل تصاویر نماهای داخلی و بیرونی محیطهای دست ساز بشر آموزش دیده است. هم چنین یک مجموعه داده آزمایشی شامل ۴۱ تصویر هوایی از شهرهای مختلف، همراه با حاشیه نویسی مربوط به وایرفریم ساختمان ها ایجاد شد و روی مدل های از قبل آموزش دیده مورد آزمایش قرار گرفت.
Keywords:
Authors
زهرا اسماعیلی طاهری
دانشجوی کارشناسی ارشد هوش مصنوعی و رباتیکز،دانشگاه یزد، دانشکده مهندسی کامپیوتر،
مهدی رضائیان
استادیار و عضو هیئت علمی گروه مهندسی کامپیوتر
علی محمد لطیف
دانشیار دانشکده مهندسی کامپیوتر،