AI Summary & Key Takeaways
AI InsightParticularly when detecting small and closely spaced building footprints, YOLO frames with local constraints offer higher accuracy than standard models (Xie et al., 2020).
📌 3 Key Takeaways
Abstract
The increasing demand for up-to-date and accurate geographic information due to rapid urbanization has made the development of urban digital twins a critical research priority. Digital twin technology enables real-time monitoring, simulation, and analysis through virtual representations of physical assets. Open-source platforms such as OpenStreetMap (OSM) suffer from significant data gaps, particularly in rural and rapidly developing areas. To address this problem, this study proposes an end-to-end digital twin generation system that combines AI-based building detection from high-resolution satellite imagery with open-source data. Accurate determination of building boundaries and locations is a fundamental requirement in many critical areas such as security, health, environmental management, and economic planning (Tasyurek, 2024). Traditional building detection methods often encounter difficulties due to the complexity and density of objects in satellite imagery; this has necessitated the use of deep learning-based architectures (Yap et al., 2024). The proposed system uses YOLO architectures for object detection and transfers the obtained data to a 3D environment via Cesium and Unreal Engine 5 platforms. Particularly when detecting small and closely spaced building footprints, YOLO frames with local constraints offer higher accuracy than standard models (Xie et al., 2020).
Özet
Hızlı kentleşme nedeniyle güncel ve doğru coğrafi bilgilere olan artan talep, kentsel dijital ikizlerin geliştirilmesini kritik bir araştırma önceliği haline getirmiştir. Dijital ikiz teknolojisi, fiziksel varlıkların sanal temsilleri aracılığıyla gerçek zamanlı izleme, simülasyon ve analiz olanağı sağlar. Ancak OpenStreetMap (OSM) gibi açık kaynaklı platformlar, özellikle kırsal ve hızla gelişen bölgelerde önemli veri eksikliklerinden muzdariptir. Bu sorunu çözmek amacıyla bu çalışma, yüksek çözünürlüklü uydu görüntülerinden yapay zekâ tabanlı bina tespitini açık kaynaklı verilerle birleştiren uçtan uca bir dijital ikiz üretim sistemi önermektedir. Bina sınırlarının ve konumlarının doğru bir şekilde belirlenmesi, güvenlik, sağlık, çevre yönetimi ve ekonomik planlama gibi pek çok kritik alanda temel bir gerekliliktir (Tasyurek, 2024). Geleneksel bina tespit yöntemleri, uydu görüntülerindeki nesnelerin karmaşıklığı ve yoğunluğu nedeniyle sıklıkla zorluklarla karşılaşmaktadır. Bu durum, derin öğrenme tabanlı mimarilerin kullanımını zorunlu kılmıştır (Yap ve ark., 2024). Önerilen sistem, nesne tespiti için YOLO mimarilerini kullanmakta ve elde edilen verileri Cesium ve Unreal Engine 5 platformları aracılığıyla 3B ortama aktarmaktadır. Özellikle küçük ve birbirine çok yakın konumlanmış bina ayak izlerinin tespitinde, yerel kısıtlamalara sahip YOLO çerçeveleri standart modellere kıyasla daha yüksek doğruluk sağlamaktadır (Xie ve ark., 2020).