Mauro Castelli / Prasadi Thilanka Senadeera
Librería Samer Atenea
Librería Aciertas (Toledo)
Kálamo Books
Librería Perelló (Valencia)
Librería Elías (Asturias)
Donde los libros
Librería Kolima (Madrid)
Librería Proteo (Málaga)
Il rilevamento di caratteristiche stradali da immagini telerilevate è fondamentale per mantenere una rete stradale aggiornata e affidabile, essenziale per i trasporti, la pianificazione delle emergenze e la navigazione. Sebbene le reti neurali convoluzionali si siano dimostrate promettenti nell’automatizzare questo processo, i metodi esistenti spesso scambiano l’accuratezza con la complessità. Questo studio mira a sviluppare un metodo accurato di estrazione delle strade senza sacrificare l’efficienza computazionale. Proponiamo una rete neurale di segmentazione semantica che combina l’apprendimento per trasferimento e l’architettura U-net con una complessità minima. Le tecniche di post-elaborazione sono impiegate per migliorare la qualità dell’output. Il nostro metodo raggiunge un punteggio F1 di 0,83 e un’accuratezza del 95,57%, superando altri modelli sul set di dati del Massachusetts. Questo approccio dimostra prestazioni superiori e una ridotta complessità della rete rispetto ai metodi esistenti.
