تشخیص و شناسایی سد‌های کنترلی با رویکرد یادگیری عمیق با استفاده از تصاویر ماهواره‌ای

یادگیری عمیق، پیشرفت‌های قابل توجهی را در عملیات‌های تشخیص اشیا در تصاویر در حوزه بینایی کامپیوتر از خود نشان داده است. این پیشرفت‌ها سبب شده است که یادگیری عمیق به‌طور گسترده در کاربرد‌های تشخیص اشیا به‌خصوص در تصاویر هوایی و ماهواره‌ای به کار گرفته شود. در این مقاله بررسی بر روی تشخیص و شناسایی سد‎‌ها با بهره‌گیری از یادگیری عمیق صورت می‌گیرد، به‌طوریکه با استفاده از دادگانی شامل تصاویر ماهواره‌ای به آموزش مدل‌ یادگیری عمیق پرداخته و با استفاده از برخی روش‌های یادگیری عمیق نظیر روش‌های مبتنی بر پیشنهاد ناحیه و مکانیزم توجه به شناسایی، مکان‌یابی و تشخیص انواع سدهای کنترلی می‌پردازد. لذا در نهایت با معرفی معیار ارزیابی iou نتایج کمی شناسایی سد‌ها با استفاده از روش‌های مورد نظر، مورد بررسی و مقایسه قرار می‌گیرد. در نهایت نشان داده می‌شود هر الگوریتم قدرت‌ها و ضعف‌های منحصر به فرد خود را داشته است، به طوری که 'mask scoring rcnn' در تقسیم بندی نمونه برتری داشته است، 'swin transformer' عملکرد قابل توجهی در تشخیص اشیاء داشته است، 'detr' با نتایج رقابتی رویکرد مبتنی بر تبدیل‌گر نشان داده است و 'deformable detr' با دقت بهبود یافته در محل‌یابی، پتانسیل بالقوه‌ای را نشان داده است.