Rețelele Neurale Ajută La Îndepărtarea Norilor Din Imaginile Aeriene

Cercetătorii și oamenii de știință de la Divizia de Energie Durabilă și Inginerie Mediu de la Universitatea din Osaka au reușit să îndepărteze digital norii din imaginile aeriene folosind rețele generative adverse (GAN). Cu datele rezultate, au putut genera automat seturi de date precise de măști de imagini de clădiri.

Cercetarea a fost publicată în Advanced Engineering Informatics.

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

Învățarea Automată Pentru Repararea Imaginilor

Învățarea automată este adesea utilizată pentru a repara imagini obscure, cum ar fi imaginile aeriene ale clădirilor obscure de nori. Această sarcină poate fi efectuată manual, dar este consumatoare de timp și nu este la fel de eficientă ca algoritmii de învățare automată. Chiar și algoritmii disponibili necesită un set mare de imagini de antrenament, astfel că este crucial să se avanseze tehnologia în continuare.

Acest lucru l-au făcut cercetătorii de la Universitatea din 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 discriminative”, care se bazează pe o rețea neurală convoluvională pentru a distinge între imaginile digitale reparate și imaginile reale fără nori.

Pe măsură ce rețelele progresează prin acest proces, ambele devin din ce în ce mai bune, ceea ce le permite să creeze imagini foarte realiste cu norii șterși digital.

Kazunosuke Ikeno este autorul principal al lucrării.

“Prin antrenarea rețelei generative pentru a ‘înșela’ rețeaua discriminativă să creadă că o imagine este reală, obținem imagini reconstruite care sunt mai autocoerente”, spune Ikeno.

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

Antrenarea Sistemului

Echipa s-a bazat pe modele virtuale 3D cu fotografii dintr-un set de date deschis și acesta a fost utilizat ca intrare. Acest lucru a permis sistemului să genereze automat “măști” digitale care suprapun clădiri reconstruite peste nori.

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 putut detecta clădiri cu o valoare “intersecție peste reuniune” de 0,651. Această valoare este măsura în care zona reconstruită corespunde zonei reale.

Conform echipei, această metodă poate îmbunătăți calitatea altor seturi de date cu imagini obscure, trebuie doar extinsă. Acest lucru poate include imagini din diverse domenii, cum ar fi sănătatea, unde ar putea fi utilizată pentru a îmbunătăți imagistica medicală.