Tổng quan về khoanh vùng đối tượng trong ảnh viễn thám: Chương này sẽ trình bày các kiến thức cơ bản về ảnh viễn thám. Các hướng tiếp cận để trích xuất thông tin trên với ảnh viễn thám. Các kiến thức cơ sở: Chương này sẽ trình bày các kiến thức cơ bản về ảnh viễn thám. Các hướng tiếp cận để trích xuất thông tin trên với ảnh viễn thám và các độ đo thường được dùng trong bài toán này để đánh giá. Giới thiệu các phương pháp học sâu để giải quyết bài toán khoanh vùng đối tượng trên ảnh viễn thám. Áp dụng học sâu cho bài toán khoanh vùng đối tượng trên ảnh viễn thám: Trong chương này, sẽ là phần đánh giá và phân tích về bộ dữ liệu ảnh viễn thám, kèm với đó là các thống kê và phân tích đánh giá về dữ liệu. Chương này cũng tập trung giới thiệu phương pháp đề xuất nhằm khoanh vùng đối tượng sử dụng mô hình kết hợp. Cụ thể, mô hình đề xuất được phát triển từ mô hình U-Net và Resnet kết hợp với hàm tổn thất mới cho phép xử lý tốt hơn trường hợp dữ liệu thiếu cân bằng. Bên cạnh đó luận văn cũng đề xuất sử dụng nhánh phân 1 loại phụ trợ nhằm tăng độ chính xác trên những ảnh không có đối tượng. Thực nghiệm và đánh giá: Cách thức triển khai, chạy thực nghiệm trên bộ dữ liệu và đưa ra kết quả kèm phân tích các phương pháp với nhau. Kết luận và hướng phát triển: Nêu các kết quả đạt được và các hướng phát triển trong tương lai.
Readership Map
Content Distribution
Tổng quan về khoanh vùng đối tượng trong ảnh viễn thám: Chương này sẽ trình bày các kiến thức cơ bản về ảnh viễn thám. Các hướng tiếp cận để trích xuất thông tin trên với ảnh viễn thám. Các kiến thức cơ sở: Chương này sẽ trình bày các kiến thức cơ bản về ảnh viễn thám. Các hướng tiếp cận để trích xuất thông tin trên với ảnh viễn thám và các độ đo thường được dùng trong bài toán này để đánh giá. Giới thiệu các phương pháp học sâu để giải quyết bài toán khoanh vùng đối tượng trên ảnh viễn thám. Áp dụng học sâu cho bài toán khoanh vùng đối tượng trên ảnh viễn thám: Trong chương này, sẽ là phần đánh giá và phân tích về bộ dữ liệu ảnh viễn thám, kèm với đó là các thống kê và phân tích đánh giá về dữ liệu. Chương này cũng tập trung giới thiệu phương pháp đề xuất nhằm khoanh vùng đối tượng sử dụng mô hình kết hợp. Cụ thể, mô hình đề xuất được phát triển từ mô hình U-Net và Resnet kết hợp với hàm tổn thất mới cho phép xử lý tốt hơn trường hợp dữ liệu thiếu cân bằng. Bên cạnh đó luận văn cũng đề xuất sử dụng nhánh phân 1 loại phụ trợ nhằm tăng độ chính xác trên những ảnh không có đối tượng. Thực nghiệm và đánh giá: Cách thức triển khai, chạy thực nghiệm trên bộ dữ liệu và đưa ra kết quả kèm phân tích các phương pháp với nhau. Kết luận và hướng phát triển: Nêu các kết quả đạt được và các hướng phát triển trong tương lai.
