شناسایی تغییرات عارضه ساختمان با استفاده از تصاویر رایگان سنجش از دوری و تکنیک های یادگیری عمیق

پایش تغییرات، فرآیند تشخیص مناطق تغییریافته بین دو تصویر در دو زمان متفاوت است .این فرایند دارای نقش اساسی در فعالیت-هایی مانند نظارت بر پوشش سطح زمین و ارزیابی آسیب‌های فجایای طبیعی است. در سال های اخیر، با توسعه الگوریتم های یادگیری عمیق، پژوهش‌های بسیاری بر پایه شبکه های عصبی کانولوشنی درزمینه ی شناسایی تغییرات انجام‌گرفته است. این دسته از مدل ها توانسته اند با استخراج ویژگی های سطح بالا، توانایی خود را در این زمینه اثبات کنند. با این حال، نیاز چنین روش هایی به داده آموزشی وسیع و جامع غیر قابل چشم پوشی است. در همین‌ راستا‌‌، در این تحقیق با ارائه یک مجموعه داده دوزمانه، شناسایی تغییرات ساختمان، ازنظر ساخت وساز و تخریب مورد بررسی قرار می گیرد. این مجموعه داده که شامل 6772 پچ تصاویری با حد تفکیک بسیار بالا از شهرهای شمالی کشور است، جهت آموزش و ارزیابی برخی مدل های پیشرو در زمینه شناسایی تغییرات استفاده می شود.