U-Net Based Deep Learning Approach for Land Classification in Aerial Imagery

Abstract

With the invention of aerial imagery and satellite photography, reading the content of the images and having a better and easier understanding of their analysis has been challenging. Although high-quality aerial images include all the details in the image, how can scientists be sure of what they observe within the image? Also, in some cases where the images have low quality, the weather of the region is cloudy, or even the region is covered (lakes covered by plants, roads covered by trees, and so on), and in some other similar challenging cases, we have difficulty understanding the content of the images easily. Considering this problem, we are looking for an approach that uses neural networks to analyse and read the content of aerial images and more precisely detect the type of land within the images. By utilizing convolutional neural networks with the U-Net model, we propose an automated and reliable solution for perceiving land types in aerial imagery. We evaluated the performance of our system using performance metrics such as accuracy, precision, and F1 scores for each land type. The results showed that our system achieved high accuracy and precision for specific land types. We believe that our system can help those who need to analyse aerial imagery better understand the content of the images and make more informed decisions. Keywords: land type classification, unet classification, land type detection

Hava görüntüleri ve uydu fotoğrafçılığının icadıyla, görüntülerin içeriğini okumak ve analiz etmek daha zor hale gelmiştir. Yüksek kaliteli hava görüntüleri görüntüdeki tüm detayları içermesine rağmen, bilim adamları görüntünün içinde ne gözlemlediklerinden emin olamamaktadırlar. Ayrıca, görüntüler düşük kalitede olduğunda, bölgenin havası bulutlu olduğunda veya bölge kaplı olduğunda (bitkilerle kaplı göller, ağaçlarla kaplı yollar vb.) görüntülerin içeriğini kolayca anlamak zordur. Bu sorunu göz önünde bulundurarak, hava görüntülerinin içeriğini analiz etmek, okumak ve görüntülerin içindeki arazi türünü daha kesin olarak tespit etmek için sinir ağları yardımıyla bir yaklaşım arıyoruz. Bu çalışmada, U-Net modeli ile evrişimli sinir ağlarını kullanarak, havadan görüntülerde arazi tiplerini algılamak için otomatik ve güvenilir bir çözüm önerilmektedir. Sistemimizin performansını, her arazi tipi için doğruluk, hassasiyet ve F1 puanları gibi performans metrikleri kullanarak değerlendirdik. Sonuçlar, sistemimizin belirli arazi tipleri için yüksek doğruluk ve hassasiyet elde ettiğini gösterdi. Bu çalışmada önerdiğimiz sistemimizin, hava görüntülerini analiz etmesi gereken kişilerin görüntülerin içeriğini daha iyi anlamasına ve daha bilinçli kararlar vermesine yardımcı olabileceğine inanıyoruz. Anahtar Kelimeler: arazi tipi sınıflandırması, unet sınıflandırması, arazi tipi tespiti