פילוח סמנטי של סצנות מרחביות באמצעות היתוך מגוון של דימות לוויני בשיטות לימוד מכונה קלאסיות ורשתות קונבולוציוניות עצביות עמוקות
תקציר:
לפילוח סמנטי חשיבות רבה בניתוח נתוני חישה מרחוק, אשר מאפשר זיהוי ומיפוי של כיסוי קרקע וסוגי עצמים שונים בסצנה מרחבית. היתוך נתונים ממלא תפקיד חיוני בשילוב מקורות נתונים או אופנים, כגון דימות לווייני, חיישנים מוטסים ומדידות קרקעיות, כדי לייצר מידע מקיף ומדויק יותר של פני כדור הארץ. המחקר המוצע נועד לפתח טכניקות לפילוח סמנטי של סצנות מרחביות על ידי מינוף היתוך נתונים מחיישנים מגוונים, תוך שילוב שיטות קלאסיות של למידת מכונה ורשתות עצביות קונבולוציוניות עמוקות (CNN).
המחקר המוצע מתייחס לאתגרים של שימוש בלמידה עמוקה ו-CNN ביישומי חישה מרחוק, הדורש שילוב של שיטות מסורתיות ומתקדמות מבוססות למידה עמוקה כדי להתגבר על בעיות פילוח סמנטי ולשפר ביצועים. על ידי שילוב אלגוריתמים קלאסיים של למידת מכונה עם CNN עמוקים, המחקר מבקש למנף את נקודות החוזק של שתי הגישות לפילוח סמנטי מדויק ועמיד יותר בחישה מרחוק ולפתח יכולות הכללה.
היישומים המעשיים של מחקר זה כוללים זיהוי ומיפוי משופרים של כיסויי קרקע וסוגי אובייקטים בתוך סצנות מרחביות, לטובת תחומים כגון ניטור סביבתי, תכנון עירוני וניהול קרקעות.
