3B road modelling from satellite images guided by polygonal path chains

Uydu görüntülerinden yolların belirlenmesi konusundaki araştırmalar veri yoğunluklu makine öğrenimi yöntemlerindeki gelişmelerle birlikte hız kazanmıştır. Bu duruma erişilebilir veri miktarının artması da katkıda bulunmuştur. Öğrenmeye dayalı yaklaşımlarda karşılaşılan önemli bir zorluk, sistemleri eğitmek için gerekli etiketli verilere ulaşmaktır. Bu çalışmada, istenen herhangi bir konumun uydu görüntüleri üzerinden yolları hızlı bir şekilde etiketlemek için bir yöntem öneriyoruz. Yöntemimiz, OpenStreetMap'ten elde edilen 2B yol bilgisini kullanmaktadır. OpenStreetMap coğrafi olarak konumlandırılmış bilgiler içeren ve insanların katkısıyla oluşturulmuş çevrimiçi bir ortamdır ve burada yollar, kesin şekilleri ya da boyutları olmaksızın kabaca çizgi segmentleri olarak tanımlanmıştır. Bu kaba bilgileri kullanarak, kullanıcıların sunulan uydu görüntüleri üzerinden yol sınırlarını kolayca etiketledikleri basit bir etkileşimli kullanıcı arayüzü öneriyoruz. Sunulan yaklaşım ile farklı yol özelliklerine sahip bölgeler hızlı bir şekilde etiketlenebilir. Etiketledikten sonra makine öğrenmesi algoritmalarına dahil edilip ardından yol belirleme testleri yapılabilir. Bu durum tüm çevrelere uygun tek bir sistem eğitmek yerine daha etkili olabilecek şekilde farklı bölgelere özelleşmiş, ayrı makine öğrenimi sistemlerinin eğitilmesine de olanak tanımaktadır. Elde edilen sonuçlar ile yolların tekrar 3 boyutlu olarak modellenerek iyileştirmek olanak sağlamaktadır. Etiketleme aracımız ile şehirler etiketlenip makine öğrenimine dahil edildikten sonra elde edilen sonuçlarla testler yapılmıştır. Farklı şehirlerin uydu görüntüleri ile yapılan bu testlerin sonuçları alındı. Şehirler kendi veri setleriyle test edildiğinde yol bulmada daha başarılı sonuçlar elde edilmiştir. Üç şehir dikkate alındı ve hepsi önce karma eğitim aldı. Ardından şehirler ikili eğitimleri gerçekleştirildi. Üçüncü şehit ince ayarlandı ve bu eğitim sonuçları üzerinde transfer öğrenmesi yapıldı. Ayrıca eğitim setleri yarıya indirildi ve ince ayar yapıldı. Seçilen şehirlerden Roma'da transfer öğrenme başarı oranı düşük iken, Etlik ve Berkeley şehirlerinde başarı oranı yüksektir ve iterasyon arttıkça bu başarı artmaktadır. Karma testlerde başarısı şehirlerin kendileriyle yapılan testlere göre düşük. onlarla eğitilen ve test edilen sonuçlara göre transfer öğrenme de iyi değil. Ama İkili eğitimler ile yapılan ince ayarda başarı oranı arttı görüldü.