Quali reti neurali dominano la segmentazione del terreno dalle foto aeree?

Le reti neurali convoluzionali (CNN) sono ormai le star delle immagini: dal riconoscere volti alle auto che si guidano da sole. Ma cosa succede quando le usiamo per “dipingere” il terreno visto dal cielo? In questo studio gli scienziati hanno messo a confronto quindici architetture all’avanguardia, tutte già famose per altri compiti, per capire quanto siano brave a separare campi, foreste e strade in foto aeree.

Il trucco è stato il transfer learning: prendere una rete già addestrata e “riaddestrarla” su un nuovo set di dati, in questo caso immagini di terreno. I risultati sono sorprendenti: il modello migliore ha raggiunto il 99,06% di accuratezza a livello di pixel, con un F1‑score del 72,94% e un recall dell’88,43%. Tuttavia, non è tutto oro quel che luccica: le reti hanno mostrato differenze marcate negli errori, o “outlier”, che possono influenzare le mappe finali. Tra le più affidabili spiccano PSPNet, FCN e ICNet, capaci di gestire forme irregolari e mancanza di modelli predefiniti.

Questa analisi dimostra che, anche se le CNN sono nate per altri scenari, possono essere adattate con successo al monitoraggio del territorio. E non è l’ultimo passo: con dataset più grandi, come le immagini del programma Copernicus, le stesse tecniche potrebbero mappare interi continenti, aprendo la strada a una pianificazione ambientale più precisa e a nuove avventure di geospazio.

Le architetture confrontate includono modelli di segmentazione semantica come PSPNet, DeepLabv3+, U‑Net, FCN, ICNet e SegNet, ognuna con una diversa strategia di aggregazione delle informazioni contestuali. PSPNet utilizza una piramide di pooling per catturare contesti a più scala, migliorando la capacità di distinguere oggetti di dimensioni variabili, mentre ICNet combina informazioni a bassa e alta risoluzione per ridurre il carico computazionale senza sacrificare la precisione.

Il transfer learning è stato implementato congelando i primi strati convoluzionali, responsabili dell'estrazione di caratteristiche di basso livello (bordi, texture), e riaddestrando gli strati finali su un dataset di 5.000 immagini aeree ad alta risoluzione (0,5 m/pixel). La perdita di Jaccard (IoU) è stata ottimizzata con una funzione di costo combinata: L = α·L_CE + β·L_Jaccard, dove α e β bilanciano la cross‑entropy e la penalizzazione per sovrapposizioni errate.

L'analisi degli outlier ha rivelato che le reti con encoder più profondi (es. ResNet‑101) tendono a generare falsi positivi in aree ombreggiate, mentre modelli più leggeri (es. ENet) mostrano maggiori falsi negativi su superfici omogenee. Inoltre, la variazione di illuminazione e la presenza di ombre proiettate da edifici hanno influito significativamente sulla performance, suggerendo l'integrazione di moduli di normalizzazione dell'illuminazione o di data‑augmentation specifici per il dominio aereo.

Infine, l'espansione a dataset multispettrali, come quelli forniti dal programma Copernicus Sentinel‑2, potrebbe migliorare ulteriormente la discriminazione delle classi vegetative grazie alle bande infrarosse, aprendo la strada a modelli ibridi che combinano CNN 2D con reti neurali ricorrenti per sfruttare la dimensione temporale delle serie storiche.