ІНТЕЛЕКТУАЛЬНА ТЕХНОЛОГІЯ ПОБУДОВИ ПЛАНУ БУДІВЕЛЬ ЗА АЕРОФОТОЗЙОМКОЮ ЇХНІХ ДАХІВ
DOI:
https://doi.org/10.31649/1997-9266-2024-172-1-101-109Ключові слова:
інтелектуальна технологія, аерофотозйомка, штучний інтелект, побудова плану, ідентифікація дахів, дані дистанційного зондування Землі,, розпізнавання зображень, псевдомаскиАнотація
Розроблено інтелектуальну технологію побудови плану будівель за даними дистанційного зондування Землі. Такими даними можуть бути дані аерофотозйомки або ж супутникові знімки високої якості.
Проведено детальний огляд типів дахів шляхом аналізу найпоширеніших класифікацій та визначено найпоширеніші з них, на прикладі яких, може здійснюватись удосконалення інтелектуальної технології побудови плану будівель за даними аерофотозйомки. Охарактеризовано сучасні та традиційні методи аналізу зображень, які можуть використовуватися для розв'язання цієї задачі. Вибрано найсучасніші методи, які можуть бути ефективними для такого класу задач.
Розроблено узагальнений алгоритм для класів односхилих, двосхилих, плоских та вальмових дахів.
Запропоновано удосконалення інтелектуальної технології побудови плану будівель за даними аерофотозйомки їхніх дахів, шляхом інтеграції моделі для детекції DETR (“DEtection TRansformer”) разом з сегментацією на основі ViTs (Vision Transformers) для комплексного вирішення проблем пошуку та ідентифікації дахів у першому наближенні для подальшого поліпшення побудови планів будівель. Запропоновано комбінований підхід, який використовує сильні сторони обох моделей, використовуючи модель DETR для локалізації груп дахів у великомасштабних зображеннях, після чого, використовуючи ViTs, точно сегментувати подібні види дахів.
Здійснено порівняння точності моделей для сегментації зображень та для детекції обʼєктів на зображеннях. Охарактеризовано результати апробації удосконаленої технології побудови плану будівель за даними аерофотозйомки їхніх дахів: алгоритму, підходів та програмного забезпечення на тестових даних аерофотозйомки публічного датасету, які довели їхню ефективність. Запропоновано можливі удосконалення запропонованої технології за рахунок використання псевдомасок.
Результати роботи можуть бути поширені й на інші види дахів будівель, за умови належної адаптації відповідно до специфіки конкретних види дахів.
Посилання
Є. М. Крижановський, В. Б. Мокін, А. Р. Ящолт, і Л. М. Скорина, Системний аналіз та проектування ГІС, електронний навч. посіб. Вінниця: ВНТУ, 2015, 127 с.
А. І. Зубик, ГІС в урбаністиці та просторовому плануванні, навчальнометод. посіб. для аудиторної та самостійної роботи студентів з курсу «Використання ГІС в урбаністиці та просторовому плануванні». Львів, 2021, 580 с.
В. Б. Мокін, І. В. Варчук, і Є. М. Крижановський, Інформаційна технологія аналізу та оптимізації топологічної спостережуваності багатозв’язних геоінформаційних систем: моногр. Вінниця: ВНТУ, 2019, с.
Qi Chen, et. al, “TEMPORARY REMOVAL: Aerial imagery for roof segmentation: A large-scale dataset towards automatic mapping of buildings,” ISPRS Journal of Photogrammetry and Remote Sensing, vol. 147, pp. 42-55, 2019. ISSN 0924-2716, https://doi.org/10.1016/j.isprsjprs.2018.11.011 .
Q. Li, et al., “Instance Segmentation of Buildings Using Keypoints,” IGARSS 2020-2020 IEEE International Geoscience and Remote Sensing Symposium, Waikoloa, HI, USA, 2020, pp. 1452-1455, https://doi.org/10.1109/IGARSS39084.2020.9324457 .
M. Guo, H. Liu, Y. Xu, and Y. Huang, Building Extraction Based on U-Net with an Attention Block and Multiple Losses. Remote sensing (Basel, Switzerland), no. 12(9), pp.1400, 2020. https://doi.org/10.3390/rs12091400 .
Sariturk, Batuhan, et al. “Feature Extraction from Satellite Images Using Segnet and Fully Convolutional Networks (FCN),” International Journal of Engineering and Geosciences, vol. 5, no. 3, Oct. 2020.
Gaston Lenczner, Adrien Chan-Hon-Tong, Bertrand Le Saux, Nicola Luminari, and Guy Le Besnerais, “DIAL: Deep Interactive and Active Learning for Semantic Segmentation in Remote Sensing,” IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, no. 15, pp. 3376-3389, 2022, ff10.1109/jstars.2022.3166551f, https://ieeexplore.ieee.org/document/9324457.
Agustsson, E., et. al, “Interactive full image segmentation by considering all regions jointly,” in CVPR. pp. 11622-11631. IEEE, 2019.
Ю. О. Карпінський, А. А. Лященко, і Н. Ю. Лазоренко-Гевель., Основи ГІС. Стандартизація географічної інформації, навч. посіб. Київ, Україна: КНУБА, 2021, 152 с.
В. Б. Мокін, і О. В. Коменчук, «Сучасні інформаційні технології для розпізнавання дахів будівель на аерофотозйомці,» у Матеріали LI Науково-технічної конференції факультету інтелектуальних інформаційних технологій та автоматизації Вінницького національного технічного університету, Вінниця, 31 травня – 1 червня 2022 р. [Електронний ресурс]. Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2022/paper/view/16150/13565 .
М. В. Дратований, і В. Б. Мокін, «Інтелектуальний метод з підкріпленням синтезу оптимального конвеєру операцій попереднього оброблення даних у задачах машинного навчання,» Наукові праці ВНТУ, вип. 4, Груд. 2022. [Електронний ресурс]. Режим доступу: https://praci.vntu.edu.ua/index.php/praci/article/view/670/631 .
“AIRS (Aerial Imagery for Roof Segmentation),” Kaggle, [Electronic resource]. Available: https://www.kaggle.com/datasets/atilol/aerialimageryforroofsegmentation/data .
“Sydney Roofers, Roofing Company Sydney,” Rooflines, [Electronic resource]. Available: https://www.rooflines.com.au/blog/6-most-common-australian-roof-types .
Nexe-ua, «Про монтаж черепиці,» [Electronic resource]. Available: https://nexe-ua.com/ua/pro-montazh-cherepici/ .
GitHub, “DE⫶TR: End-to-End Object Detection with Transformers,” [Electronic resource]. Available: https://github.com/facebookresearch/detr .
Hans Thisanke, Chamli Deshan, Kavindu Chamith, Sachith Seneviratne, Rajith Vidanaarachchi, and Damayanthi Herath, Semantic Segmentation using Vision Transformers: A survey. 2023, https://doi.org/10.48550/arXiv.2305.03273 .
“Semantic Segmentation on ADE20K,” Paperswithcode, [Online]. Available: https://paperswithcode.com/sota/semantic-segmentation-on-ade20k .
“Object Detection on COCO test-dev,” Paperswithcode, [Electronic resource]. Available: https://paperswithcode.com/sota/object-detection-on-coco .
“Segment Anything,” GitHub, [Online]. Available: https://github.com/facebookresearch/segment-anything .
##submission.downloads##
-
PDF
Завантажень: 63
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори, які публікуються у цьому журналі, згодні з такими умовами:
- Автори зберігають авторське право і надають журналу право першої публікації.
- Автори можуть укладати окремі, додаткові договірні угоди з неексклюзивного поширення опублікованої журналом версії статті (наприклад, розмістити її в інститутському репозиторії або опублікувати її в книзі), з визнанням її первісної публікації в цьому журналі.
- Авторам дозволяється і рекомендується розміщувати їхню роботу в Інтернеті (наприклад, в інституційних сховищах або на їхньому сайті) до і під час процесу подачі, оскільки це сприяє продуктивним обмінам, а також швидшому і ширшому цитуванню опублікованих робіт (див. вплив відкритого доступу).
