Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18450
Τίτλος: Υπερανάλυση και Σημασιολογική Κατάτμηση Δορυφορικών Εικόνων για τον Εντοπισμό Δασών
Συγγραφείς: Λυμπερόπουλος, Ελευθέριος
Κόλλιας Στέφανος
Λέξεις κλειδιά: Δορυφορική Τηλεπισκόπηση, Εντοπισμός Δασών, Sentinel-2, OpenStreetMap, Βαθιά Μηχανική Μάθηση, Συνελικτικά Νευρωνικά ∆ίκτυα, Σημασιολογική Κατάτμηση, Υπερανάλυση Εικόνας, Δίκτυα κωδικοποιητή-αποκωδικοποιητή, Μετασχηματιστές, Αναγεννητικά Ανταγωνιστικά Δίκτυα, ESRGAN, ResUNet-a, DeepLabv3+, Swin Transformer
Ημερομηνία έκδοσης: 27-Σεπ-2022
Περίληψη: Με τις ολοένα και αυξανόμενες δορυφορικές αποστολές, η γεωπαρατήρηση και η τηλεπισκόπηση εμφανίζουν ταχεία πρόοδο τα τελευταία χρόνια και χρησιμοποιούνται σε εφαρμογές όπως η παρακολούθηση του οικοσυστήματος και η πρόληψη φυσικών καταστροφών. Παράλληλα, µε την άνοδο της μηχανικής μάθησης στην υπολογιστική όραση και την ανάγκη για αποδοτικότερη παρατήρηση, αναπτύσσονται συνεχώς νέα εργαλεία, βασισμένα στα Συνελικτικά Νευρωνικά Δίκτυα, τα οποία χρησιμοποιούν εικόνες τηλεπισκόπησης µε σκοπό τη χαρτογράφηση και τον εντοπισμό αλλαγών στην επιφάνεια της Γης σε επίπεδο εικονοστοιχείου. Μια τέτοια ειδικότερη εφαρμογή είναι η παρακολούθηση των δασικών εκτάσεων, η οποία, λαμβάνοντας υπόψη την απειλή της αποψίλωσης των δασών, κρίνεται στις μέρες µας ιδιαιτέρως αναγκαία. Ωστόσο, οι ανοιχτά διαθέσιμες εικόνες τηλεπισκόπησης δεν παρουσιάζουν υψηλή χωρική ανάλυση. ΄Ενας τρόπος για να αντιμετωπιστεί αυτό είναι η αύξηση της χωρικής ανάλυσης των εικόνων µε χρήση ειδικών αρχιτεκτονικών Νευρωνικών Δικτύων, των Δικτύων Υπερανάλυσης Εικόνας. Στόχος της παρούσας διπλωματικής είναι η υλοποίηση ενός συστήματος Μηχανικής Μάθησης, το οποίο θα επεξεργάζεται δορυφορικές εικόνες ώστε να εντοπίσει δασικές εκτάσεις µε τη μέθοδο της σημασιολογικής κατάτμησης, η οποία αναγνωρίζει τα εικονοστοιχεία που αντιστοιχούν σε δάση. Αρχικά, δημιουργείται ένα σύνολο δεδομένων από εικόνες τηλεπισκόπησης της δορυφορικής αποστολής Sentinel-2 και τις αντίστοιχες ετικέτες τους, οι οποίες προέρχονται από το OpenStreetMap. ΄Επειτα, χρησιµοποιείται ένα Δίκτυο Υπερανάλυσης Εικόνας, το οποίο αυξάνει την ανάλυση των εικόνων και των ετικετών και έτσι προκύπτουν δύο σύνολα δεδοµένων, ένα µε εικόνες χωρίς υπερανάλυση και ένα µε εικόνες με υπερανάλυση. ΄Υστερα, εκπαιδεύονται και εξετάζονται 3 μοντέλα σημασιολογικής κατάτμησης πάνω στα σύνολα αυτά και μελετούνται τόσο οι επιδόσεις των μοντέλων μεταξύ τους, όσο και η επίδραση του συνόλου µε υπερανάλυση στις αποδόσεις των μοντέλων. Τέλος, παρατίθενται τα συμπεράσματα της παραπάνω πειραματικής διαδικασίας και συζητούνται πιθανές βελτιώσεις και επεκτάσεις.
URI: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18450
Εμφανίζεται στις συλλογές:Διπλωματικές Εργασίες - Theses

Αρχεία σε αυτό το τεκμήριο:
Αρχείο Περιγραφή ΜέγεθοςΜορφότυπος 
thesis-lefterislymp.pdf12.48 MBAdobe PDFΕμφάνιση/Άνοιγμα


Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα.