تقسيم الصور الفضائية باستخدام نماذج UNet وVGG16-UNet لاستخراج الغطاء الأرضي

طورت نظامًا لتقسيم الصور الفضائية بهدف تصنيف كل بكسل إلى نوع الغطاء الأرضي المناسب، مثل المناطق الحضرية، الزراعية، المسطحات المائية، وغيرها.

تم استخدام نموذجين:

UNet تم بناؤه من الصفر

VGG16-UNet باستخدام نقل التعلم (Transfer Learning)

مراحل العمل:

تحليل استكشافي للبيانات (EDA) لفهم التوزيع وعدد الفئات (٧ فئات تم تقليصها إلى ٦ لتحسين الأداء)

معالجة الصور والأقنعة (تصغير، تطبيع، تحويل الأقنعة لصيغة متعددة الفئات)

بناء نموذجين وتدريب كل منهما باستخدام خوارزمية مناسبة:

RMSprop مع UNet

Adam مع VGG16-UNet

تقييم الأداء باستخدام Dice وIoU

نتائج الأداء:

UNet:

Dice: 0.8254

IoU: 0.7038

VGG16-UNet:

Dice: 0.8499

IoU: 0.7400

التقنيات المستخدمة:

Python، TensorFlow / Keras، NumPy، OpenCV، Jupyter Notebook، Matplotlib

نوع المشروع:

مشروع تخرج عملي ضمن تدريب الذكاء الاصطناعي بالمعهد القومي للاتصالات (NTI) – مسار الرؤية الحاسوبية

للاطلاع على المشروع:

رابط GitHub يحتوي على الكود ونتائج التدريب