การเปรียบเทียบประสิทธิภาพสถาปัตยกรรม CNN ร่วมกับเทคนิคการเสริมข้อมูลสำหรับการจำแนกประเภทการใช้ประโยชน์ที่ดินจากภาพถ่ายดาวเทียม Sentinel-2

Abstract

การจำแนกประเภทการใช้ประโยชน์ที่ดินมีบทบาทสำคัญในการจัดการทรัพยากรธรรมชาติและการวางผังเมือง โดยให้ข้อมูลที่จำเป็นสำหรับการประเมินการเปลี่ยนแปลงเชิงพื้นที่และผลกระทบต่อระบบนิเวศ วัตถุประสงค์ของงานวิจัยเพื่อสร้างและวิเคราะห์ประสิทธิภาพของสถาปัตยกรรมโครงข่ายประสาทเทียมแบบคอนโวลชัน (CNNs) สามรูปแบบ ได้แก่ ResNet50V2, DenseNet121 และ EfficientNetV2B0 ในการจำแนกประเภทการใช้ประโยชน์ที่ดินจากภาพถ่ายดาวเทียม Sentinel-2 งานวิจัยนี้ได้ประยุกต์ใช้เทคนิคการเสริมข้อมูล เพื่อแก้ไขปัญหาความไม่สมดุลของชุดข้อมูลและลดปัญหาการเรียนรู้เกิน พื้นที่ศึกษาในตำบลสายตะกูได้รับการจำแนกออกเป็นห้าประเภทการใช้ประโยชน์ที่ดิน ผลการวิเคราะห์แสดงให้เห็นว่า ResNet50V2 มีประสิทธิภาพสูงสุด โดยให้ค่าความถูกต้อง ร้อยละ 88 เมื่อใช้ร่วมกับเทคนิคการเสริมข้อมูลในขณะที่ DenseNet121 แสดงประสิทธิภาพปานกลางที่ร้อยละ 77 และ EfficientNetV2B0 แสดงประสิทธิภาพต่ำกว่าที่ร้อยละ 47 ผลการศึกษานี้บ่งชี้ว่า ResNet50V2 เมื่อประยุกต์ใช้ร่วมกับเทคนิคการเสริมข้อมูลเป็นวิธีการที่มีประสิทธิภาพสูงสุดสำหรับการจำแนกประเภทการใช้ประโยชน์ที่ดิน แสดงให้เห็นถึงศักยภาพในการสนับสนุนการจัดการทรัพยากร และการวางแผนเชิงพื้นที่อย่างมีประสิทธิภาพสำหรับการประยุกต์ใช้ในอนาคต

Keywords

• การจำแนกประเภทการใช้ประโยชน์ที่ดิน
• การเรียนรู้เชิงลึก
• ภาพถ่ายดาวเทียม
• การเสริมข้อมูล