dc.contributor.author | Τσουμενής, Εμμανουήλ![]() |
el |
dc.contributor.author | Tsoumenis, Emmanouil![]() |
en |
dc.date.accessioned | 2023-12-05T10:44:36Z | |
dc.date.available | 2023-12-05T10:44:36Z | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/58366 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.26062 | |
dc.description | Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Γεωπληροφορική” | el |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
dc.subject | Ανίχνευση πλοίων | el |
dc.subject | YOLO | en |
dc.subject | Ανίχνευση αντικειμένων | el |
dc.subject | Βαθιά μάθηση | el |
dc.subject | Θαλάσσια επιτήρηση | el |
dc.subject | Ship detection | en |
dc.subject | Deep learning | en |
dc.subject | Object detection | en |
dc.subject | Geospatial analysis | en |
dc.title | Ανίχνευση πλοίων σε δορυφορικές εικόνες με χρήση τεχνικών μηχανικής μάθησης και οπτικοποίηση των αποτελεσμάτων σε ιστότοπο | el |
heal.type | masterThesis | |
heal.classification | Ψηφιακή Τηλεπισκόπηση | el |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2023-07-10 | |
heal.abstract | Η ανίχνευση πλοίων σε δορυφορικές εικόνες έχει κερδίσει μεγάλη προσοχή με την πάροδο των ετών λόγω των σημαντικών εφαρμογών της σε διάφορους τομείς, όπως η θαλάσσια ασφάλεια, η πρόληψη της πειρατείας και η διαχείριση της αλιείας. Η εμφάνιση αλγορίθμων βαθιάς μάθησης έφερε επανάσταση στον τομέα αυτό, καθιστώντας δυνατή την ανίχνευση πλοίων σε δορυφορικές εικόνες με μεγάλη ακρίβεια και ακρίβεια. Ένας τέτοιος αλγόριθμος που έχει αποδειχθεί αποτελεσματικός στην ανίχνευση πλοίων είναι ο YOLO (You Only Look Once). Σε αυτό το δοκίμιο, θα εμβαθύνουμε στην ανίχνευση πλοίων σε δορυφορικές εικόνες με τη χρήση αλγορίθμων YOLO, εξηγώντας την αρχή, την αρχιτεκτονική και τις εφαρμογές του. Ο YOLO είναι ένας αλγόριθμος ανίχνευσης αντικειμένων που λειτουργεί διαιρώντας μια εικόνα σε διάφορα πλέγματα και στη συνέχεια χρησιμοποιώντας συνελικτικά νευρωνικά δίκτυα (CNN) για την πρόβλεψη οριοθετημένων πλαισίων και πιθανοτήτων κλάσης για κάθε πλέγμα. Σε αντίθεση με άλλους αλγορίθμους ανίχνευσης αντικειμένων που απαιτούν πολλαπλά περάσματα πάνω από μια εικόνα, ο YOLO εκτελεί την ανίχνευση αντικειμένων σε ένα μόνο πέρασμα, καθιστώντας τον πολύ ταχύτερο και αποτελεσματικότερο. Ο YOLO είναι σε θέση να ανιχνεύει πολλαπλά αντικείμενα σε μία μόνο εικόνα και η απόδοσή του αξιολογείται με βάση μετρικές όπως η ακρίβεια, η ανάκληση και το F1-score. Η αρχιτεκτονική του YOLO αποτελείται από ένα CNN ακολουθούμενο από διάφορα πλήρως συνδεδεμένα επίπεδα. Το CNN είναι υπεύθυνο για την εξαγωγή χαρακτηριστικών από την εικόνα εισόδου, ενώ τα πλήρως συνδεδεμένα στρώματα προβλέπουν τις πιθανότητες κλάσης και τα πλαίσια οριοθέτησης για κάθε κελί πλέγματος. Η έξοδος του YOLO είναι ένα σύνολο οριοθετημένων πλαισίων, καθένα από τα οποία συνδέεται με μια πιθανότητα κλάσης, υποδεικνύοντας την παρουσία ενός αντικειμένου μιας συγκεκριμένης κλάσης εντός του συγκεκριμένου οριοθετημένου πλαισίου. Στην περίπτωση της ανίχνευσης πλοίων, η κλάση ενδιαφέροντος είναι η κλάση πλοίου. Για την εκπαίδευση ενός μοντέλου YOLO για την ανίχνευση πλοίων, απαιτείται ένα μεγάλο σύνολο δεδομένων δορυφορικών εικόνων που έχουν επισημανθεί με πλαίσια οριοθέτησης πλοίων. Το επισημασμένο σύνολο δεδομένων χρησιμοποιείται για την εκπαίδευση του μοντέλου YOLO ώστε να μάθει να αναγνωρίζει πλοία σε δορυφορικές εικόνες. Η διαδικασία εκπαίδευσης περιλαμβάνει το πέρασμα των εικόνων εισόδου μέσω του δικτύου YOLO και την προσαρμογή των βαρών του δικτύου ώστε να ελαχιστοποιηθεί η διαφορά μεταξύ των προβλεπόμενων οριοθετημένων πλαισίων και των οριοθετημένων πλαισίων της πραγματικής κατάστασης.Ένα πλεονέκτημα του YOLO έναντι άλλων αλγορίθμων ανίχνευσης αντικειμένων είναι η ταχύτητά του. Το YOLO είναι σε θέση να ανιχνεύει αντικείμενα σε πραγματικό χρόνο, καθιστώντας το κατάλληλο για εφαρμογές που απαιτούν γρήγορη και ακριβή ανίχνευση, όπως η θαλάσσια ασφάλεια. Ένα άλλο πλεονέκτημα του YOLO είναι η ικανότητά του να ανιχνεύει αντικείμενα διαφορετικών μεγεθών και αναλογιών διαστάσεων, καθιστώντας τον πιο ευέλικτο από άλλους αλγορίθμους ανίχνευσης αντικειμένων. Η ανίχνευση πλοίων με τη χρήση του YOLO έχει διάφορες εφαρμογές, που κυμαίνονται από τη θαλάσσια ασφάλεια έως τη διαχείριση της αλιείας. Στον τομέα της θαλάσσιας ασφάλειας, το YOLO μπορεί να χρησιμοποιηθεί για τον εντοπισμό και την παρακολούθηση πλοίων σε πραγματικό χρόνο, συμβάλλοντας στην πρόληψη της πειρατείας και των λαθρεμπορικών δραστηριοτήτων. Το YOLO μπορεί επίσης να χρησιμοποιηθεί για την παρακολούθηση των ναυτιλιακών γραμμών, εντοπίζοντας και αναφέροντας τυχόν ύποπτες ή ασυνήθιστες δραστηριότητες. Στη διαχείριση της αλιείας, ο YOLO μπορεί να χρησιμοποιηθεί για τον εντοπισμό και την παρακολούθηση αλιευτικών σκαφών, συμβάλλοντας στην πρόληψη παράνομων αλιευτικών δραστηριοτήτων. Το YOLO μπορεί επίσης να χρησιμοποιηθεί για την παρακολούθηση της αλιευτικής δραστηριότητας σε μια συγκεκριμένη περιοχή, παρέχοντας πολύτιμες πληροφορίες σχετικά με τα αποθέματα και επιτρέποντας στους υπεύθυνους χάραξης πολιτικής να λαμβάνουν τεκμηριωμένες αποφάσεις σχετικά με τις αλιευτικές ποσοστώσεις και τους κανονισμούς. Συμπερασματικά, η ανίχνευση πλοίων σε δορυφορικές εικόνες με τη χρήση αλγορίθμων YOLO αποδείχθηκε ότι είναι μια αποτελεσματική και αποδοτική μέθοδος για τον εντοπισμό πλοίων σε δορυφορικές εικόνες. Η ταχύτητα και η ευελιξία του YOLO το καθιστούν κατάλληλο για ένα ευρύ φάσμα εφαρμογών, συμπεριλαμβανομένης της θαλάσσιας ασφάλειας και της διαχείρισης της αλιείας. Καθώς αυξάνεται η διαθεσιμότητα των δορυφορικών εικόνων, η χρήση του YOLO για την ανίχνευση πλοίων είναι πιθανό να γίνει ακόμη πιο διαδεδομένη, συμβάλλοντας στην προώθηση της ασφάλειας και της προστασίας στη θάλασσα και στην υποστήριξη της βιώσιμης διαχείρισης των θαλάσσιων πόρων. | el |
heal.advisorName | Δουλάμης, Νικόλαος | el |
heal.committeeMemberName | Πανταζής, Γεώργιος | el |
heal.committeeMemberName | Γκίκας, Βασίλειος | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 101 σ. | el |
heal.fullTextAvailability | false |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: