Rețelele neuronale ajută la eliminarea norilor din imaginile aeriene

Cercetătorii și oamenii de știință de la Divizia de Energie Durabilă și Inginerie a Mediului de la Universitatea Osaka au reușit să elimine digital norii din imaginile aeriene utilizând rețele generative adverse (GAN). Cu datele rezultate, aceștia ar putea genera automat seturi de date precise ale măștilor de imagine ale clădirii. 

Cercetarea a fost publicată în Informatică avansată de inginerie. 

Echipa a pus două rețele de inteligență artificială (AI) una împotriva celeilalte pentru a îmbunătăți calitatea datelor și nu a avut nevoie de imagini etichetate anterior. Potrivit echipei, aceste noi dezvoltări ar putea fi utilizate în domenii precum inginerie civilă, unde tehnologia de viziune computerizată este importantă.

Învățare automată pentru repararea imaginilor

Învățarea automată este adesea folosită pentru a repara imaginile ascunse, cum ar fi imaginile aeriene ale clădirilor ascunse de nori. Această sarcină poate fi efectuată manual, dar necesită timp și nu este la fel de eficient ca algoritmii de învățare automată. Chiar și acei algoritmi deja disponibili necesită un set mare de imagini de antrenament, așa că este crucial să avansăm în continuare tehnologia.

Aceasta este ceea ce au făcut cercetătorii de la Universitatea Osaka atunci când au aplicat rețele generative adverse. O rețea este „rețeaua generativă” și propune imagini reconstruite fără nori. Această rețea este pusă împotriva unei „rețele discriminatorii”, care se bazează pe o rețea neuronală convoluțională pentru a distinge între imaginile reparate digital și imaginile reale fără nori.

Pe măsură ce rețelele parcurg acest proces, ambele devin din ce în ce mai bune, ceea ce le permite să creeze imagini extrem de realiste cu norii șterse digital. 

Kazunosuke Ikeno este primul autor al lucrării. 

„Prin antrenarea rețelei generative pentru a „păcăli” rețeaua discriminatorie, astfel încât să creadă că o imagine este reală, obținem imagini reconstruite care sunt mai consistente”, spune Ikeno. 

Imagine: 2021 Kazunosuke IKENO și colab., Advanced Engineering Informatics

Antrenarea sistemului

Echipa s-a bazat pe modele virtuale 3D cu fotografii dintr-un set de date open-source, iar aceasta a fost folosită ca intrare. Acest lucru a permis sistemului să genereze automat „măști” digitale care suprapuneau clădirile reconstruite peste nor. 

Tomohiro Fukuda este autorul principal al cercetării.

„Această metodă face posibilă detectarea clădirilor în zone fără date de antrenament etichetate”, spune Fukuda.

Modelul antrenat a fost capabil să detecteze clădiri cu o valoare de „intersecție peste unire” de 0.651. Această valoare este măsura cu cât de precis corespunde suprafața reconstruită cu zona reală. 

Potrivit echipei, această metodă poate îmbunătăți calitatea altor seturi de date cu imagini care sunt ascunse, trebuie doar extinsă. Aceasta poate include imagini din diverse domenii, cum ar fi asistența medicală, unde ar putea fi utilizată pentru a îmbunătăți imagistica medicală.