导读随着深度学习(人工智能的一个子领域)的显着进步和性能提升的最新趋势，该领域的研究和应用一直很活跃。特别是对工业应用的需求不断增加，并
随着深度学习(人工智能的一个子领域)的显着进步和性能提升的最新趋势，该领域的研究和应用一直很活跃。特别是对工业应用的需求不断增加，并且已经获得了广泛区域的区域图像。但是，在这些航拍图像中，代表图像特征的域因拍摄图像的时间以及拍摄图像所在城市的位置和特征而异。当航拍图像在各自的情况下具有不同的域时，使用图像来检测特定对象或预测照片中的单个图像将更加困难，这些图像集成了各种具有不同域的航拍图像。
为了解决这些困难，黄教授假设可以通过微调多域航拍图像的网络参数变量来解决这个问题。因此，研究团队能够从航拍图像中准确分割建筑物，并在不同域的区域图像中精确检测建筑物。此外，该团队利用生成对抗网络(GAN)的结构，开发了一种领域自适应神经网络，能够自行调整人工智能神经网络的参数，将输入的领域与拍摄的图像相匹配。
当建筑物检测(分割)算法应用于不同领域的航拍图像时，可以准确检测建筑物的位置、边界和形状，包括用于训练人工神经网络的领域。
Jae Youn Hwang 教授评论说：“本研究开发的神经网络是新颖的，能够根据每个领域进行自适应调整。”他补充说：“随着所提出方法的改进，预计研究结果将对人工智能的进一步发展产生积极影响，并应用于遥感和医学成像等各个领域。”
本研究由博士生Kyungsu Lee作为第一作者参与。此外，这项研究的结果还在 2021 年国际计算机视觉会议 (ICCV) 上发表，该会议是计算机视觉和人工智能领域最负盛名的会议。