ரிமோட் சென்சிங் & ஜிஐஎஸ் ஜர்னல்

சுருக்கம்

ரிமோட் சென்ஸ்டு இமேஜரி மூலம் மின்சார வாகனம் சார்ஜ் செய்வதற்கு ஏற்ற வீடுகளை அடையாளம் காண இயந்திர கற்றல் வகைப்பாடு

ஜேம்ஸ் ஃபிளின், ஜியானெட்டி

கடந்த தசாப்தத்தில், டீப் கன்வல்யூஷனல் நியூரல் நெட்வொர்க்குகள் (டிசிஎன்என்) தொலைதூர உணர்திறன் படங்களின் கிளாசி ஃபிகேஷனுக்கான சக்திவாய்ந்த கருவியாக வெளிவந்துள்ளன. இந்த மல்டி-டிசிப்ளினரி பேப்பரில், மின்சார வாகனம் சார்ஜ் செய்வதற்கு ஏற்ற குடியிருப்பு சொத்துக்களுக்கான நகர்ப்புறங்களை ஆய்வு செய்வதற்கான பணிப்பாய்வுகளை உருவாக்குவதன் மூலம் ரிமோட் சென்சிங் துறையில் இயந்திர கற்றலின் ஒரு புதிய பயன்பாட்டை நாங்கள் நிரூபிக்கிறோம். தொலைதூரத்தில் உணரப்பட்ட படத் தரவை பகுப்பாய்வு செய்வதற்கான ஒரு புதிய முறையாக சிறந்த-இசை பரிமாற்ற கற்றல் அணுகுமுறை வழங்கப்படுகிறது. பல UK நகரங்கள் மற்றும் நகரங்களில் இருந்து பெறப்பட்ட கூகுள் ஸ்ட்ரீட் வியூ படங்களை உள்ளடக்கிய ஒரு தனிப்பட்ட தரவுத்தொகுப்பு பயிற்சிக்கு பயன்படுத்தப்படுகிறது, இது மூன்று நரம்பியல் நெட்வொர்க்குகளை ஒப்பிடலாம் மற்றும் இயந்திர கற்றலைப் பயன்படுத்தி தெருக் காட்சிப் படங்களிலிருந்து குடியிருப்பு டிரைவ்வேகளை வகைப்படுத்துவதற்கான முதல் முயற்சியைக் குறிக்கிறது. இரண்டு நகர்ப்புறங்களில் முழு பணிப்பாய்வு சோதனை செய்யும் போது முழு அமைப்பு முறையே 87.2% மற்றும் 89.3% துல்லியத்தை அடைகிறது. தொலைநிலை உணர்தல், புவியியல் பகுப்பாய்வு மற்றும் நகர்ப்புற திட்டமிடல் துறையில் ஆழமான கற்றலின் ஒரு நம்பிக்கைக்குரிய புதிய பயன்பாட்டை நிரூபிக்கிறது.