REVIEW PAPER

Deep Fully Convolutional Permukiman informal atau kumuh berkembang biak di negara-
Networks for the Detection of negara berkembang dan pendeteksian dan pengklasifikasian
Informal Settlements in VHR mereka menyediakan informasi penting untuk pengambilan
Images keputusan membuat dan merencanakan proses peningkatan
kota.
Membedakan struktur perkotaan yang berbeda dalam gambar
VHR menantang karena definisi semantik abstrak dari kelas-
kelasnya sebagai pembanding seperasi dari kelas-kelas standar
tutupan lahan (land cover). Tugas ini membutuhkan ekstraksi
fitur tekstur dan spasial. Untuk tujuan ini, kami memperkenalkan
deep FCN (fully convolutional networks) untuk melakukan
pelabelan gambar berdasarkan piksel dengan secara otomatis
mempelajari representasi data tingkat yang lebih tinggi. Dalam
FCN dapat mempelajari hierarki fitur yang terkait dengan
peningkatan tingkat abstraksi, dari nilai piksel mentah ke tepi
dan sudut hingga pola spasial yang kompleks. Kami menyajikan
deep FCN menggunakan konvolusi melebar (dilated
convolutions) dari dukungan spasial yang meningkat. FCN
mampu mempelajari fitur informatif yang menangkap
ketergantungan piksel jarak jauh sambil mempertahankan
sejumlah parameter jaringan yang terbatas. Eksperimen
dilakukan pada gambar Quickbird yang diperoleh di atas Kota Dar
es Salaam, Tanzania, menunjukkan bahwa FCN yang diusulkan
mengungguli state-of-the-art convolutional networks . Bahkan,
biaya komputasi dari teknik yang diusulkan secara signifikan
lebih rendah dari arsitektur standar berbasis tambalan