Simple Implementation of Terrain Classification Models via Fully Convolutional Neural Networks

Assiya Sarinova, Leila Rzayeva, Noyan Tendikov, Ibraheem Abdullah Mohammed Shayea

2023

Жабық қол жеткізу Метадеректер (CSL-JSON)

DOI 10.1109/wincom59760.2023.10323012

Деректер сенімділігі 70 орташа

Бұл баға қалай есептеледі

Ол жазбаның өзінің тексерілетін белгілерінен құралады: мақаланың DOI-і бар ма, оның деректерін қанша тәуелсіз дереккөз растады, міндетті өрістер толтырылған ба және соңғы растау қаншалықты жаңа. Дереккөздер арасындағы алшақтық пен идентификатордың болмауы бағаны төмендетеді. 80-нен бастап мән жазбаның қосымша тексерусіз жарияланғанын, 60-тан 79-ға дейін — оның сенімділігі төмен күйде жарияланғанын және қолмен тексеру ұсынылатынын білдіреді. Редактор қолмен тексерген жазбаны қайта есептеу 90-нан төмен түсірмейді. Бұл — мақаланың өзіне емес, ол туралы деректерімізге берілген баға.

Аңдатпа

This paper introduces a simple implementation of three versions (large, medium, and small) of terrain multi-classification models using Fully Convolutional Neural Networks (FCNNs) for imagery data. The proposed methodology involves labeled and unlabeled data collection from European Space Agency (ESA) WorldCover and Sentinel-2 MultiSpectral Instrument (MSI) on the Google Earth Engine, compressing datasets into Tensorflow records format with 9 diverse terrain types, and handling Google Cloud training computations. There were prepared different dataset portions of 10 megabytes, 200 megabytes, and around a gigabyte files. The experimental results demonstrate the effectiveness of the CNN-based approach, achieving a tolerable 71% accuracy of the Terrain Classification Model (TCM) and robust classification performance. The simplicity and efficiency of the proposed method make it suitable for real-world applications requiring reliable and fast terrain classification.