Tích hợp DSM và ảnh chụp UAV với mô hình nơ-ron tích chập trong phân loại lớp phủ mặt đất

Chỉ số đề mục

Lĩnh vực nghiên cứu

Các khoa học môi trường

Dạng tài liệu

Tác giả

Bùi Quang Thành, Vũ Phan Long, Nguyễn Xuân Linh, Phạm Văn Mạnh⁽¹⁾

Nhan đề

Tích hợp DSM và ảnh chụp UAV với mô hình nơ-ron tích chập trong phân loại lớp phủ mặt đất

Nhan đề tiếng anh

Combination of UAV Images and DSM for Land Cover Classification using Convolutional Neural Network

Nguồn trích

Các khoa học Trái đất và Môi trường - ĐHQG Hà Nội

Năm xuất bản

2022

Số

01

Trang

105-112

ISSN

2615-9279

Từ khóa

Thiết bị bay không người lái, Mạng nơ ron tích chập, Tích hợp DSM, Lớp phủ mặt đất, Phân loại

Từ khóa tiếng anh

UAV, Convolutional neural network, catboost, Hanoi.

Tóm tắt

Các phương pháp học máy đã và đang được thử nghiệm với dữ liệu viễn thám đa độ phân giải như ảnh vệ tinh, ảnh hàng không, dữ liệu từ thiết bị bay không người lái (UAV), tập hợp dữ liệu đám mây điểm và đem lại kết quả khả quan. Tuy nhiên, với cấu trúc phức tạp của các loại hình lớp phủ và với đặc điểm nguồn dữ liệu lớn, các mô hình dựng sẵn đôi khi không đạt được độ chính xác mong đợi trong phân loại. Nghiên cứu này tích hợp mạng nơ-ron tích chập và thuật toán Catboost trong phân loại lớp phủ mặt đất từ dữ liệu UAV. Dữ liệu đầu vào của mô hình là ảnh chụp UAV tại Hà nội, kết hợp với mô hình số bề mặt (DSM). Kết quả cho thấy mô hình đề xuất có độ chính xác phân loại = 91,5%, cao hơn so với các phương pháp phổ biến khác và có thể sử dụng tại các khu vực đô thị khác tại Việt Nam.

Tóm tắt tiếng anh

Machine learning applies predominantly to the classification of the satellite images, aerial photo, unmanned aerial vehicle (UAV) data, point clouds with considerable achievements. However, the dynamic and complex structures of land surface prevent accurate land cover segregation through built-in models, and there is a crucial need to investigate novel ones. This study integrates Catboost into a Convolutional neural network for land cover classification from UAV images, with a case study in Hanoi. The combination of these images and Digital surface model to form the input datasets. The results show that the overall accuracy reaches 91,5%, which is relatively higher than other comparing methods. The proposal model can be used as an alternative method for land cover classification.

Kí hiệu kho

TTKHCNQG, CTv 175

File toàn văn

Xem toàn văn