Jaringan Saraf Tiruan Membantu Menghilangkan Awan dari Gambar Udara

Peneliti dan ilmuwan dari Divisi Energi Berkelanjutan dan Teknik Lingkungan di Universitas Osaka berhasil menghilangkan awan dari gambar udara secara digital dengan menggunakan jaringan adversarial generatif (GAN). Dengan data hasilnya, mereka dapat secara otomatis menghasilkan dataset akurat dari masker gambar bangunan.

Penelitian ini dipublikasikan di Advanced Engineering Informatics.

Tim tersebut memasang dua jaringan kecerdasan buatan (AI) yang berlawanan untuk meningkatkan kualitas data, dan tidak memerlukan gambar yang telah diberi label sebelumnya. Menurut tim, pengembangan baru ini dapat digunakan di bidang seperti teknik sipil, di mana teknologi penglihatan komputer sangat penting.

Pembelajaran Mesin untuk Memperbaiki Gambar

Pembelajaran mesin sering digunakan untuk memperbaiki gambar yang terhalang, seperti gambar udara bangunan yang terhalang oleh awan. Tugas ini dapat dilakukan secara manual, tetapi memakan waktu dan tidak seefektif algoritma pembelajaran mesin. Bahkan algoritma yang sudah ada memerlukan set gambar pelatihan yang besar, sehingga sangat penting untuk mengembangkan teknologi lebih lanjut.

Inilah yang dilakukan oleh peneliti di Universitas Osaka ketika mereka menerapkan jaringan adversarial generatif. Salah satu jaringan adalah “jaringan generatif,” dan itu mengusulkan gambar yang direkonstruksi tanpa awan. Jaringan ini dipasang melawan “jaringan diskriminatif,” yang bergantung pada jaringan saraf konvolusional untuk membedakan antara gambar yang diperbaiki secara digital dan gambar asli tanpa awan.

Ketika jaringan tersebut melalui proses ini, keduanya menjadi semakin baik, yang memungkinkan mereka untuk menciptakan gambar yang sangat realistis dengan awan yang dihapus secara digital.

Kazunosuke Ikeno adalah penulis pertama makalah tersebut.

“Dengan melatih jaringan generatif untuk ‘menipu’ jaringan diskriminatif agar berpikir bahwa sebuah gambar adalah nyata, kita mendapatkan gambar yang direkonstruksi yang lebih konsisten,” kata Ikeno.

Gambar: 2021 Kazunosuke IKENO et al., Advanced Engineering Informatics

Melatih Sistem

Tim tersebut bergantung pada model virtual 3D dengan foto dari dataset sumber terbuka, dan ini digunakan sebagai input. Ini memungkinkan sistem untuk secara otomatis menghasilkan “masker” digital yang menutupi bangunan yang direkonstruksi di atas awan.

Tomohiro Fukuda adalah penulis senior penelitian.

“Metode ini memungkinkan kita untuk mendeteksi bangunan di area tanpa data pelatihan yang telah diberi label,” kata Fukuda.

Model yang dilatih dapat mendeteksi bangunan dengan nilai “interseksi atas uni” sebesar 0,651. Nilai ini adalah ukuran seberapa akurat area yang direkonstruksi sesuai dengan area yang sebenarnya.

Menurut tim, metode ini dapat meningkatkan kualitas dataset lain dengan gambar yang terhalang, itu hanya perlu diperluas. Ini dapat mencakup gambar di berbagai bidang, seperti kesehatan, di mana dapat digunakan untuk meningkatkan pencitraan medis.