रिमोट सेंसिंग और जीआईएस जर्नल

अमूर्त

रिमोट सेंस्ड इमेजरी से इलेक्ट्रिक वाहन चार्जिंग के लिए उपयुक्त घरों की पहचान करने के लिए मशीन लर्निंग वर्गीकरण

जेम्स फ्लिन, जियाननेट्टी

पिछले दशक में, डीप कन्वोल्यूशनल न्यूरल नेटवर्क (DCNN) रिमोट सेंस्ड इमेजरी के वर्गीकरण के लिए एक शक्तिशाली उपकरण के रूप में उभरे हैं। इस बहु-विषयक शोधपत्र में, हम इलेक्ट्रिक वाहन चार्जिंग के लिए उपयुक्त आवासीय संपत्तियों के लिए शहरी क्षेत्रों का सर्वेक्षण करने के लिए एक कार्यप्रवाह विकसित करके रिमोट सेंसिंग के क्षेत्र में मशीन लर्निंग के एक नए अनुप्रयोग का प्रदर्शन करते हैं। एक फाइन-ट्यून ट्रांसफर लर्निंग दृष्टिकोण को रिमोट सेंस्ड इमेज डेटा का विश्लेषण करने के लिए एक नई विधि के रूप में प्रस्तुत किया गया है। कई यूके कस्बों और शहरों से प्राप्त Google स्ट्रीट व्यू छवियों से युक्त एक अद्वितीय डेटासेट का उपयोग तीन न्यूरल नेटवर्क की तुलना करने के लिए किया जाता है और यह मशीन लर्निंग का उपयोग करके स्ट्रीटस्केप इमेजरी से आवासीय ड्राइववे को वर्गीकृत करने का पहला प्रयास दर्शाता है। दो शहरी क्षेत्रों पर पूर्ण वर्कफ़्लो का परीक्षण करते समय पूर्ण प्रणाली क्रमशः 87.2% और 89.3% की सटीकता प्राप्त करती है। अवधारणा का यह प्रमाण रिमोट सेंसिंग, भू-स्थानिक विश्लेषण और शहरी नियोजन के क्षेत्र में डीप लर्निंग के एक आशाजनक नए अनुप्रयोग को प्रदर्शित करता है।