طراحی و پیاده سازی الگوریتم های فضای عمومی شهری با استفاده از طبقه بندی Deep Learning شهری

الگوریتم های یادگیری عمیق DL طی چند سال گذشته محبوبیت زیادی برای تجزیه و تحلیل تصویر سنجش از راه دورداشته اند. در این مطالعه، مفاهیم عمده DL مربوط به سنجش از دور معرفی شده و بیش از ۲۰۰ نشریه در این زمینه کهاکثر آنها طی دو سال اخیر منتشر شده اند، بررسی و تحلیل می شوند. در ابتدا، یک متاآنالیز برای تجزیه و تحلیلوضعیت مطالعات DL سنجش از دور بر حسب اهداف مطالعه، مدل (های) DL مورد استفاده، وضوح (های) فضایی تصویر،نوع منطقه مورد مطالعه و سطح دقت طبقه بندی به دست آمده انجام شد. متعاقبا، یک بررسی دقیق برای توصیف/بحثدر مورد چگونگی استفاده از DL برای وظایف تجزیه و تحلیل تصویر سنجش از راه دور از جمله ادغام تصویر، ثبت تصویر،طبقه بندی صحنه، تشخیص اشیا، طبقه بندی کاربری و پوشش زمین LULC ، تقسیم بندی، و اشیاء انجام می شود. تجزیهو تحلیل تصویر مبتنی بر OBIA . این بررسی تقریبا هر کاربرد و فناوری را در زمینه سنجش از راه دور، از پیش پردازشگرفته تا نقشه برداری، پوشش می دهد. در نهایت، یک نتیجه گیری در مورد روش های پیشرفته فعلی، یک نتیجه گیریانتقادی در مورد چالش های باز و جهت گیری برای تحقیقات آینده ارائه می شود. با این اوصاف فضاهای عمومی شهریدارای عمق و حس می باشد که با طراحی و پیاده سازی الگوریتم های لازم این فضا طبقه بندی می شود، مقاله فوقتوصیفی- تحلیلی می باشد و بااستفاده از کتب و مقالات معتبر جمع آوری شده و هدف اصلی آن، پیاده سازی الگوریتم فضای شهری با تکنیک Deep Learning است.

کلیدواژه ها:

فضاهای عمومی شهری ، طراحی فضا ، Deep Learninng ، تحلیل تصویری