การแยกส่วนถนนทางความหมายออกจากภาพถ่ายระยะไกลโดยใช้โครงข่ายประสาทแบบคอนโวลูชันนอลเชิงลึกและตัวชี้วัดภูมิทัศน์

Abstract

การจำแนกถนนออกจากภาพถ่ายระยะไกล ได้แก่ ภาพถ่ายทางอากาศ และภาพถ่ายดาวเทียม นำมาใช้งานได้หลากหลายรูปแบบโปรแกรมประยุกต์ โดยเฉพาะอย่างยิ่งกับการสกัดถนนซึ่งจัดเป็นชั้นหนึ่งในการเก็บฐานข้อมูลเชิงพื้นที่ ปัจจุบันการเรียนรู้เชิงลึกถูกนำมาใช้ในการสกัดถนนออกจากภาพถ่ายระยะไกล แต่ยังมีข้อจำกัดเรื่องค่าความถูกต้องในการจำแนกถนนซึ่งยังไม่มากพอแก่การนำไปใช้งานเชิงโปรแกรมประยุกต์ วิทยานิพนธ์นี้เสนอวิธีการปรับปรุงโมเดลและเพิ่มประสิทธิภาพการเรียนรู้เชิงลึกเพื่อสกัดถนนออกจากภาพถ่ายระยะไกลร่วมกับการประยุกต์ใช้ตัวชี้วัดภูมิทัศน์และคอนดิชันนอลแรนดอมฟิลด์ส ผู้วิจัยเลือกใช้ฟังก์ชั่นกระตุ้นตัวใหม่ที่เรียกว่า หน่วยเอกซ์โพเนนเชียลเชิงเส้น เพื่อเพิ่มจำนวนผลลัพธ์ของวัตถุที่เป็นถนนให้มากขึ้น จากนั้นลดจำนวนวัตถุที่ไม่ใช่ถนนโดยใช้ตัวชี้วัดภูมิทัศน์เข้ามาตรวจสอบ สุดท้ายเพิ่มความคมและความถูกต้องให้แก่วัตถุที่เป็นถนนมากขึ้นด้วยวิธีคอนดิชันนอลแรนดอมฟิลด์ส ชุดข้อมูลที่ใช้ในงานวิจัยนี้ คือ ชุดข้อมูลภาพถ่ายทางอากาศ (ชุดข้อมูลถนนรัฐแมสซาชูเซตส์) และชุดข้อมูลภาพถ่ายดาวเทียมจากดาวเทียมไทยโชตหรือธีออส ผลการทดลองด้วยวิธีที่นำเสนอแสดงให้เห็นว่าประสิทธิภาพของการจำแนกที่ได้ดีกว่าวิธีการมาตรฐาน (เซกเน็ต) ทั้งค่า Precision Recall และ F1