文章詳目資料
中興工程
加入收藏
下載文章
中文摘要
近年隨著智慧城市、數位孿生等議題興起，都市相關應用如都市計畫、都市擴張、基礎設施發展、災害管理等亦隨之革新，建物作為城市的基本單元，對於建物模型的需求也與日俱增。以影像分類技術結合高解析度衛星影像是目前萃取巨量建物資料的主要方式，惟近年深度學習的演進帶來電腦視覺領域上的巨大變革，已有許多研究開始引進神經網路架構作為影像分類的主軸。本研究使用卷積神經網路（Convolutional Neural Network, CNN）與Pleiades高解析度衛星影像進行影像分類，萃取建物類別，並以建物樣態多變且複雜的馬尼拉（Manila）城市的都會區為研究區域。研究成果顯示在高解析度衛星影像中，CNN對於建物的二元分類問題表現良好，可以正確辨識多數型態的建築物，相同的CNN架構亦已驗證可用於其他城市實踐建物分類。