Αυτοματοποιημένη διανυσματοποίηση από εικόνες με τεχνικές μηχανικής μάθησης

Ταλαβέρος, Γεώργιος; Talaveros, Georgios

dc.contributor.author	Ταλαβέρος, Γεώργιος	el
dc.contributor.author	Talaveros, Georgios	en
dc.date.accessioned	2023-01-16T10:00:05Z
dc.date.available	2023-01-16T10:00:05Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/56707
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.24405
dc.rights	Default License
dc.subject	Artificial Intelligence	en
dc.subject	Τεχνητή Νοημοσύνη	el
dc.subject	Εντοπισμός Ακμών	el
dc.subject	Ψηφιοποίηση	el
dc.subject	Edge Detection	en
dc.subject	Digitization	en
dc.title	Αυτοματοποιημένη διανυσματοποίηση από εικόνες με τεχνικές μηχανικής μάθησης	el
dc.title	Automated vectorization of images using machine learning techniques	en
heal.type	bachelorThesis
heal.classification	Φωτογραμμετρία	el
heal.classification	Photogrammetry	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2022-10-20
heal.abstract	Στην εποχή που ζούμε η επιστήμη της τεχνητής νοημοσύνης έχει αρχίσει και εμφανίζεται παντού. Ήδη βρίσκεται σε αυτοκίνητα, βιομηχανίες, οικιακές συσκευές αλλά και στο κλάδο των μηχανικών, σε συστήματα αποφάσεων, αναγνώρισης αντικειμένων και αυτοματισμού. Ωστόσο, στον εντοπισμό ακμών και στη ψηφιοποίηση ορθοφωτογραφιών, έχει επικρατήσει μια μεθοδολογία, που απαιτεί αρκετό χρόνο και σταθερή επίβλεψη από ένα ειδικευμένο επαγγελματία. Η συγκεκριμένη διπλωματική εργασία, προτείνει την αυτοματοποίηση της ψηφιοποίησης ακμών από ορθοφωτογραφίες λιθόχτιστων κτισμάτων, με την χρήση της τεχνητής νοημοσύνης και ήδη υπαρχόντων εργαλείων σε ανοιχτές βιβλιοθήκες κώδικα προγραμματισμού. Αρχικά, ανασκοπείται η βιβλιογραφία πάνω σε όλες τις μεθόδους εντοπισμών ακμών που έχουν προταθεί μέχρι και σήμερα. Ακολουθεί μια ανάλυση της μεθοδολογίας που εφαρμόζεται και το πως αυτή χωρίζεται στο κομμάτι του εντοπισμού των ακμών, (από ένα νευρωνικό δίκτυο) και στο κομμάτι της ψηφιοποίησης των εντοπισμένων ακμών. Γίνεται αναφορά στο νευρωνικό δίκτυο που χρησιμοποιήθηκε, στα χαρακτηριστικά του και μικρή περιγραφή της λειτουργίας του. Τονίζεται το στάδιο της βελτιστοποίησης του νευρωνικού δικτύου που χρησιμοποιήθηκε και αιτιολογούνται οι αποφάσεις που πάρθηκαν. Παρουσιάζεται μια γενική αξιολόγηση του αποτελέσματος της εργασίας αυτής από το ευρύ κοινό με την χρήση ενός ερωτηματολόγιου και από ειδικευμένο επαγγελματία. Τέλος παρουσιάζονται τα τελικά συμπεράσματα, οι αστοχίες της εργασίας, οι παραδοχές που έγιναν κατά την διάρκεια αυτής και οι βελτιώσεις που μπορούν να γίνουν σε μελλοντικές παρόμοιες εργασίες.	el
heal.abstract	In the era we live in, the science of artificial intelligence can be found everywhere. It is being used in car systems, industries, inside our houses and in the engineering industry in decision making, object detection and automation systems. However, in edge detection and digitization of orthophotos, a methodology has prevailed that requires a considerable amount of time and constant supervision by a qualified professional. This diploma thesis proposes the automation of edge digitization from orthophotos of stone-built buildings, with the use of artificial intelligence and already existing tools in open-source libraries. Firstly, the literature on all edge detection methods that have been proposed up to this day is being reviewed. Then, follows an analysis of the methodology that is been followed and how it is divided into the part of locating the edges (by a neural network) and the part of digitizing the already located edges. After that, there is a reference made to the neural network that is being used, its characteristics and a short description of its function. The stage of optimization of the neural network and the reasoning behind the decisions made, is being highlighted. Then, an evaluation of the results of this work by the public (with the use of a questionnaire) and by a qualified professional is presented. Finally, the thesis closes with the final conclusions, the problems of this thesis, the assumptions made during its execution and improvements that can be made in future projects similar to this one.	en
heal.advisorName	Γεωργόπουλος, Ανδρέας	el
heal.advisorName	Αγραφιώτης, Παναγιώτης	el
heal.advisorName	Agrafiotis, Panagiotis	en
heal.advisorName	Georgopoulos, Andreas	en
heal.committeeMemberName	Ιωαννίδης, Χαράλαμπος	el
heal.committeeMemberName	Γεωργόπουλος, Ανδρέας	el
heal.committeeMemberName	Δουλάμης, Αναστάσιος	el
heal.committeeMemberName	Georgopoulos, Andreas	en
heal.committeeMemberName	Doulamis, Anastasios	en
heal.committeeMemberName	Ioannidis, Charalabos	en
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Τοπογραφίας	el
heal.academicPublisherID	ntua
heal.numberOfPages	40 + 233 σ.	el
heal.fullTextAvailability	false