تقسيم الصور الفضائية باستخدام نماذج UNet وVGG16-UNet لاستخراج الغطاء الأرضي

طورت نظامًا لتقسيم الصور الفضائية بهدف تصنيف كل بكسل إلى نوع الغطاء الأرضي المناسب، مثل المناطق الحضرية، الزراعية، المسطحات المائية، وغيرها. تم استخدام نموذجين: UNet تم بناؤه من الصفر VGG16-UNet باستخدام نقل التعلم (Transfer Learning) مراحل العمل: تحليل استكشافي للبيانات (EDA) لفهم التوزيع وعدد الفئات (٧ فئات تم تقليصها إلى ٦ لتحسين الأداء) معالجة الصور والأقنعة (تصغير، تطبيع، تحويل الأقنعة لصيغة متعددة الفئات) بناء نموذجين وتدريب كل منهما باستخدام خوارزمية مناسبة: RMSprop مع UNet Adam مع VGG16-UNet تقييم الأداء باستخدام Dice وIoU نتائج الأداء: UNet: Dice: 0.8254 IoU: 0.7038 VGG16-UNet: Dice: 0.8499 IoU: 0.7400 التقنيات المستخدمة: Python، TensorFlow / Keras، NumPy، OpenCV، Jupyter Notebook، Matplotlib نوع المشروع: مشروع تخرج عملي ضمن تدريب الذكاء الاصطناعي بالمعهد القومي للاتصالات (NTI) – مسار الرؤية الحاسوبية للاطلاع على المشروع: رابط GitHub يحتوي على الكود ونتائج التدريب