Ανίχνευση Παραλιών σε Δορυφορικές Εικόνες με Χρήση Συνελικτικών Νευρωνικών Δικτύων

Abstract

Ο εντοπισμός αντικειμένων και η σημασιολογική κατάτμηση εικόνας αποτελούσαν ανέκαθεν δύο από τα δυσκολότερα προβλήματα της όρασης υπολογιστών. Με τη ραγδαία ανάπτυξη του τομέα της Τεχνητής Νοημοσύνης που έχει συντελεστεί τα τελευταία χρόνια, κυρίως λόγω της εμφάνισης των Βαθιών Νευρωνικών Δικτύων, έχουν προταθεί συστήματα που φαίνεται να δίνουν αποτελεσματικές και αποδοτικές λύσεις για προβλήματα αυτής της κατηγορίας με χρήση Συνελικτικών Νευρωνικών Δικτύων.

Στόχο της παρούσας εργασίας αποτελεί η υλοποίηση και η εκπαίδευση ενός τέτοιου συστήματος, το οποίο θα αναλύει δορυφορικές εικόνες με σκοπό να εντοπίσει τις περιοχές τους που αντιστοιχούν σε παραλίες. Συγκεκριμένα, το ζητούμενο του μοντέλου είναι ο εντοπισμός των ορίων της κάθε παραλίας σε επίπεδο εικονοστοιχείου, αποτελεί δηλαδή συνδυασμό των προβλημάτων του εντοπισμού αντικειμένων σε μία εικόνα και της εύρεσης των ορίων του με ακρίβεια. Στη συνέχεια, το σύστημα αυτό μπορεί να χρησιμοποιηθεί ως εργαλείο καταγραφής και παρακολούθησης των ελληνικών (και όχι μόνο) παραλιών ώστε να δημιουργηθεί μία πλήρης βάση δεδομένων και να διευκολυνθεί η μελέτη και η προστασία τους από καταστροφικά φυσικά φαινόμενα και υπέρμετρη τουριστική εκμετάλλευση.

Για την εκπαίδευση του μοντέλου απαραίτητη ήταν η δημιουργία ενός συνόλου δεδομένων αποτελούμενου από δορυφορικές εικόνες και τις αντίστοιχες ετικέτες. Οι εικόνες που χρησιμοποιούνται προέρχονται από τη δορυφορική αποστολή Sentinel-2 και συγκεντρώθηκαν μέσω του Google Earth Engine, ενώ οι τοποθεσίες των παραλιών αντλήθηκαν από το OpenStreetMap. Συνολικά συγκεντρώθηκαν πάνω από 3000 εικόνες της αποστολής Sentinel-2 που καλύπτουν όλη την ακτογραμμή της Ελλάδας, ενώ οι αντίστοιχες ετικέτες αφορούν πάνω από 5000 παραλίες.

Αφού δημιουργήθηκε το σύνολο δεδομένων, χρησιμοποιήθηκε για να εκπαιδεύσει δύο διαφορετικά μοντέλα, το Mask R-CNN, state-of-the-art δίκτυο κατάτμησης στιγμιοτύπων εικόνων, και το Rotated Mask R-CNN, μία τροποποίησή του που λαμβάνει υπόψη το χαρακτηριστικό σχήμα των παραλιών ώστε να βελτιώσει την απόδοση. Πράγματι, το Mask R-CNN πετυχαίνει Μέση Ακρίβεια (mean Average Precision) ίση με 43.5\%, ενώ το Rotated Mask R-CNN 45.0\%, τιμές αρκετά ικανοποιητικές δεδομένης της ποιότητας των εικόνων και της δυσκολίας του προβλήματος.