การวิเคราะห์แบ่งส่วนพื้นที่ภาพถ่ายทางอากาศด้วย Generative Adversarial Networks

Abstract

บทความนี้กล่าวถึงการแบ่งส่วนพื้นที่แบบ Semantic Segmentation จากภาพถ่ายทางอากาศ ซึ่งเป็นภาพที่ได้จากอากาศยานไร้คนขับ (Unmanned Aerial Vehicle: UAV) มาวิเคราะห์การจำแนกพื้นที่ด้วยวิธี Generative Adversarial Networks (GANs) โดยการจำแนกพื้นที่ด้วยระบบสีแบบ RGB มาทำการจำแนกพื้นที่ทั้งหมด 10 พื้นที่ เช่น สนามบิน สนามกีฬา ป่าไม้ พื้นที่ทางการเกษตร แม่น้ำ บ่อน้ำ รถ ถนน สิ่งก่อสร้าง และพื้นที่อื่น ๆ ซึ่งในการทดลองนี้ได้ใช้โมเดลใน UNET ได้แก่ MobileNetV2, ResNet50, ResNet50V2, DenseNet201 และ VGG16 มาเป็น Generator บน Generative Adversarial Networks ไว้ในการจำแนกพื้นที่ของภาพถ่ายทางอากาศ จากการทดลองพบว่า โมเดลแต่ละโมเดลมีความแม่นยำโดยประมาณ 80% และมีความเร็วในการทำงานต่อเฟรมอยู่ที่ 2 วินาที