محققان در پژوهشی جدید، کارایی شبکههای عصبی پیچشی (CNN) سبکوزن را برای نقشهبرداری و دستهبندی کاربری اراضی از طریق تصاویر ماهوارهای مورد ارزیابی قرار دادهاند.
در این مطالعه، مدل MobileNetV2 با حجم بسیار کمتر نسبت به مدلهای سنگینتر مثل VGG16 یا InceptionV3، توانست دقت بالاتری در تفکیک عوارض زمین (مانند مناطق شهری و منابع آبی) کسب کند. این یافتهها اهمیت استفاده از مدلهای بهینه و سبک را برای کاربردهای عملیاتی در حوزه محیط زیست و برنامهریزی شهری نشان میدهد. 🌍💡
منبع: arXiv Computer Vision