PHÁT HIỆN VẬT THỂ KÍCHTHƯỚC NHỎ TRÊN ẢNH VIỄN THÁM SỬ DỤNG CÁC MÔ HÌNH HỌC SÂU

Abstract

Ảnh viễn thám đóng vai trò quan trọng trong nhiều ứng dụng nhưgiámsát đôthị, quản lý giao thông và quy hoạch hạ tầng. Tuy nhiên, việc phát hiện các đối tượngcó kích thước nhỏ, chẳng hạn như phương tiện giao thông và công trình, gặpnhiềuthách thức do độ phân giải cao của ảnh và sự đa dạng về điều kiện chụp. Luậnvăn“Phát hiện vật thể kích thước nhỏ trên ảnh viễn thám sử dụng các mô hìnhhọcsâu”được thực hiện nhằm xây dựng và đánh giá các mô hình học sâu cho bài toánnày. Giải pháp đề xuất sử dụng hai kiến trúc chính là YOLOv11 và SSD, kết hợpvới kỹ thuật suy luận hỗ trợ cắt lát (Slicing Aided Hyper Inference - SAHI)vàphương pháp để cải thiện khả năng nhận diện chi tiết cục bộ. Quá trìnhhuấnluyệnđược tiến hành theo hướng học chuyển giao (transfer learning) trên bộ dữliệuviễnthám xView đã qua tiền xử lý. Kết quả thực nghiệm cho thấy YOLOv11 kết hợp SAHI đạt mAP0.52, vượttrội so với phương pháp xử lý toàn ảnh (mAP 0.06) và cao hơn SSD(mAP0.21vớiSAHI). Điều này khẳng định hiệu quả của kỹ thuật chia ảnh và SAHI trongviệcnângcao độ chính xác phát hiện vật thể nhỏ. Tuy nhiên, hiệu suất vẫn cần được cải thiệnđểđáp ứng yêu cầu triển khai thực tế. Từ khóa: Ảnh viễn thám, học sâu, phát hiện đối tượng, phát hiện vật thể nhỏ, chialátảnh, SAHI, YOLOv11, SSD.