Czym jest segmentacja semantyczna zdjęć satelitarnych i jakie modele są stosowane?

Semantyczna segmentacja zdjęć satelitarnych to zadanie oznaczania każdego piksela obrazu, przypisując mu klasę (np. woda, las, miasto, tereny rolnicze). Pozwala to na szczegółową analizę powierzchni ziemi.

Do rozwiązania stosuje się głębokie sieci neuronowe, w szczególności:

• U-Net — popularna architektura do segmentacji, dobrze działająca przy ograniczonej ilości danych.
• DeepLab (v3, v3+) — wykorzystuje piramidy przestrzenne i konwolucje atrybutowe, aby poprawić jakość segmentacji.
• SegNet — architektura enkoder-dekoder, skuteczna dla zadań o wysokiej rozdzielczości.

Ważnym aspektem jest wstępne przetwarzanie danych (korekta zniekształceń atmosferycznych, normalizacja) oraz użycie kanałów multispektralnych w celu zwiększenia dokładności klasyfikacji.