انطباق کارآمدِ مدل بخش‌بندی هر چیز از نظر منابع محاسباتی برای نقشه‌برداری پوشش اراضی شهری

انطباق کارآمدِ مدل بخش‌بندی هر چیز از نظر منابع محاسباتی برای نقشه‌برداری پوشش اراضی شهری

محمد برادران آق قلعه1 خورشید محرابی2 هلیا حاجی3 علی یزدانی4

1) دانشجوی کارشناسی شهرسازی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، ایران. ایمیل:
2) دانشجوی کارشناسی شهرسازی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، ایران. ایمیل:
3) دانشجوی کارشناسی ارشد مهندسی پزشکی گرایش بیوالکتریک، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، ایران. ایمیل:
4) استادیار دانشکده هنر، معماری و شهرسازی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، ایران. ایمیل:

کد IOI مقاله : AAHD-ABKHKD
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    نقشه‌برداری پوشش اراضی با وضوح بالا از تصاویر سنجش‌ازدور، برای پایش شهری، ارزیابی‌های زیست‌محیطی و برنامه‌ریزی پایدار اهمیت زیادی دارد. بااین‌حال، انطباق مدل‌های پایه برای بخش‌بندی معنایی معمولاً به منابع محاسباتی قابل‌توجهی نیاز دارد و این موضوع کاربرد عملی آن‌ها را محدود می‌کند. در این پژوهش، یک چارچوب انطباق با بهره‌وری پارامتری مبتنی بر مدل بخش‌بندی هر چیز (SAM) ارائه شده است که امکان بخش‌بندی معنایی مؤثر تصاویر سنجش‌ازدور را روی سخت‌افزارهای دارای محدودیت منابع فراهم می‌کند. چارچوب پیشنهادی، تنظیم گزینشی را با انطباق کم‌رتبه (LoRA) و یک راهبرد آموزشی آگاه از عدم‌توازن کلاس‌ها ترکیب می‌کند. این روش ضمن حفظ عملکرد رقابتی، تعداد پارامترهای آموزش‌پذیر را به ۳۳ میلیون کاهش می‌دهد که در مقایسه با تنظیم کامل، ۶۵ درصد کمتر است. آزمایش‌های انجام‌شده روی مجموعه‌داده مرجع OpenEarthMap، با استفاده از افزایش داده در زمان آزمون، به mIoU برابر با ۵۱٫۵۹ درصد دست یافتند. این نتیجه علاوه بر برتری نسبت به مدل‌های پایه تحت شرایط آموزشی یکسان، از عملکرد گزارش‌شده برای سایر روش‌های مبتنی بر SAM روی همین مجموعه‌داده معیار نیز فراتر بود. همچنین، آزمایش‌های ابلیشن مربوط به وضوح ورودی نشان دادند که اندازه ورودی ۵۱۲×۵۱۲، توازن مناسبی میان عملکرد بخش‌بندی و هزینه محاسباتی برقرار می‌کند؛ ازاین‌رو، چارچوب پیشنهادی برای به‌کارگیری روی سخت‌افزارهای دارای منابع محدود مناسب است. افزون بر بخش‌بندی معنایی، نقشه‌های پوشش اراضی حاصل، امکان برآورد نسبت فضای سبز و نسبت سطوح نفوذناپذیر را نیز فراهم می‌کنند. این نتایج نشان می‌دهند که می‌توان مدل‌های پایه را با بهره‌وری محاسباتی مطلوب و تحت محدودیت منابع، برای کاربردهای عملی سنجش‌ازدور انطباق داد و درعین‌حال، از تحلیل‌های زیست‌محیطی قابل‌اعتماد در مقیاس شهری پشتیبانی کرد.

کلمات کلیدی : مدل بخش‌بندی هر چیز (sam) بانک داده اپن ارث مپ (openearthmap) انطباق کم‌رتبه (lora) سنجش از دور