Sinir Ağları Havadan Görüntüleri Bulutlardan Arındırıyor

Osaka Üniversitesi’nden Sürdürülebilir Enerji ve Çevre Mühendisliği Bölümü’nden araştırmacılar ve bilim adamları, generatif karşıt ağlar (GAN’lar) kullanarak havadan görüntülerden dijital olarak bulutları kaldırdı. Elde edilen verilerle, bina görüntü maskeleri için doğru veri setlerini otomatik olarak oluşturabildiler.

Araştırma Advanced Engineering Informatics dergisinde yayımlandı.

Ekibin, veri kalitesini iyileştirmek için iki yapay zeka (AI) ağını birbirine karşı kullanması ve daha önce etiketlenmiş görüntülere gerek duymaması dikkat çekti. Ekibe göre, bu yeni gelişmeler, bilgisayar görüşü teknolojisinin önemli olduğu inşaat mühendisliği gibi alanlarda kullanılabilecek.

Görüntüleri Onarmak için Makine Öğrenimi

Makine öğrenimi, genellikle bulutlar tarafından gizlenen havadan bina görüntülerini onarmak için kullanılır. Bu görev, elle yapılabilir ancak zaman alıcı ve makine öğrenimi algoritmaları kadar etkili değildir. Mevcut algoritmalar, büyük bir eğitim görüntüsü kümesine ihtiyaç duyar, bu nedenle teknolojiyi ilerletmek çok önemlidir.

Osaka Üniversitesi’ndeki araştırmacılar, generatif karşıt ağları uygulayarak bunu başardılar. Bir ağ, “yaratıcı ağ” olarak adlandırılır ve bulutsuz olarak yeniden oluşturulmuş görüntüler önerir. Bu ağ, convolutional bir sinir ağı kullanarak gerçek görüntülerle bulutlardan arındırılmış dijital görüntüleri ayırt etmeye çalışan “ayırıcı ağ” ile karşı karşıya gelir.

Ağlar bu süreci ilerlettikçe, her ikisi de giderek daha iyi hale gelir, bu da onlara bulutları dijital olarak silerek çok gerçekçi görüntüler oluşturma yeteneği sağlar.

Kazunosuke Ikeno makalenin ilk yazarı.

“Yaratıcı ağı, ayırıcı ağı gerçek bir görüntü olduğuna inandırmaya ‘kandırmak’ için eğittiğimizde, daha tutarlı yeniden oluşturulmuş görüntüler elde ediyoruz” diyor Ikeno.

Görüntü: 2021 Kazunosuke IKENO ve diğ., Advanced Engineering Informatics

Sistemi Eğitmek

Ekibin, 3D sanal modeller ve açık kaynaklı bir veri setinden alınan fotoğraflar kullanarak sistemi geliştirdi. Bu, sisteme, yeniden oluşturulmuş binaları bulutların üzerine otomatik olarak “maskeler” oluşturabilme yeteneği kazandırdı.

Tomohiro Fukuda araştırmaların kıdemli yazarı.

“Bu yöntem, etiketlenmiş eğitim verilerine gerek duymadan bölgelerde binaları tespit etmeyi mümkün kılıyor” diyor Fukuda.

Eğitilmiş model, bir “kesişim über birleşim” değeri olan 0.651 ile binaları tespit edebildi. Bu değer, yeniden oluşturulan alanın gerçek alana ne kadar doğru karşılık geldiğinin ölçüsüdür.

Ekibe göre, bu yöntem, bulutlar tarafından gizlenen görüntüleri içeren diğer veri setlerinin kalitesini iyileştirebilir, sadece genişletilmesi gerekiyor. Bu, tıbbi görüntüleme gibi çeşitli alanlarda, özellikle sağlık alanında kullanılabilecek.