智慧影像判釋技術:卷積神經網絡模式之初步測試保育事業組

按讚加入E河川-交流水知識粉絲團 

  發刊期數:第0318期/ 發布日期:2019/02/15

圖1 卷積神經網絡模式架構_pic

過去建構土地利用之自動化判釋相關技術,往往尚需人工介入協助確認判釋結果,然而集水區違規事件類型眾多且多元,利用過去傳統自動判釋技術,需花費更多人力確認違規狀態,不利水源保育,倘若能導入人工智慧,藉由人類經驗來協助土地利用判釋,即可提升變異點的搜尋能力。

近幾年由於資訊科技運算能力提升相當快速,讓深度學習技術興起,因此類神經網絡應用領域大幅擴展,尤其以卷積神經網絡(Convolutional Neural Network,CNN)為基礎之結構進行影像辨識更為突出,因此水利署利用此智慧判釋技術來評估土地利用判釋之適用性,藉以強化變異點搜尋能力。除了集水區變異前後的衛星影像,同時以無人載具拍攝高解析度影像進行訓練,輸入大量的影像資料至類神經網絡之中,透過數層的特徵(Feature)擷取,最後加以分類的技巧以識別影像,能夠有效處理複雜的影像,並具備學習能力,方便後續資料預測

  • /圖1 卷積神經網絡模式架構

本次測試案例,整體土地利用推論模式建構(如圖1),輸入為200*200之RGB三維矩陣,採用兩組卷積層及池化層針對航拍影像特徵進行擷取,並經轉換為平坦層連結至全連接前饋式類神經網絡,進行最後預測各類別百分比,測試結果顯示(如圖2),模式對森林、交通或建物具一定敏感度;其他類別圖形特徵過多,以致推論模式敏感度較低,無法有效顯示其百分比。未來可加強蒐集違規案件鄰近空域航空拍攝照片,增加案例庫資料量級,讓訓練成果更為顯著,即能提升實務應用成果,成為智慧影像判釋之可行技術。

  • 圖2 模式測試結果

主題回應