Αναγνώριση δορυφορικών εικόνων και αεροφωτογραφιών με τεχνικές μηχανικής μάθησης

Βαμβουκάκης, Γεώργιος; Vamvoukakis, Georgios

dc.contributor.author	Βαμβουκάκης, Γεώργιος	el
dc.contributor.author	Vamvoukakis, Georgios	en
dc.date.accessioned	2024-05-21T08:40:48Z
dc.date.available	2024-05-21T08:40:48Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/59417
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.27113
dc.rights	Αναφορά Δημιουργού 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by/3.0/gr/	*
dc.subject	Αναγνώριση βλάστησης	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Αεροφωτογραφίες	el
dc.subject	Δορυφορικές εικόνες	el
dc.subject	U-Net	en
dc.title	Αναγνώριση δορυφορικών εικόνων και αεροφωτογραφιών με τεχνικές μηχανικής μάθησης	el
heal.type	bachelorThesis
heal.classification	Μηχανική μάθηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-11-10
heal.abstract	Η αναγνώριση και χαρτογράφηση της ξυλώδους βλάστησης σε αεροφωτογραφίες και δορυφορικές εικόνες είναι απαραίτητη για ποικίλλες εφαρμογές, όπως ο σχεδιασμός χρήσεων γης, η διαχείριση πόρων και η παρακολούθηση οικοσυστημάτων. Ωστόσο, η χειροκίνητη αναγνώριση και χαρτογράφηση της βλάστησης απαιτεί πολύ χρόνο, είναι εντάσεως εργασίας και είναι επιρρεπής σε λάθη. Στην παρούσα εργασία, εξεταζεται το θέμα της αναγνώρισης της βλάστησης με τη χρήση μηχανικής μάθησης (ML). Στόχος της παρούσας μελέτης είναι να παρέχει μια αποτελεσματική και ακριβή προσέγγιση για την εφαρμογή αλγορίθμων μηχανικής μάθησης για την αναγνώριση και χαρτογράφηση ξυλώδους και μη ξυλώδους βλάστησης σε αεροφωτογραφίες και δορυφορικές φωτογραφίες. Για να γίνει αυτό, συγκεντρώθηκε, επισημάνθηκε και επεξεργάστηκε ένα σημαντικό σύνολο δεδομένων από δορυφορικές εικόνες και αεροφωτογραφίες με τα οποια τροφοδοτηθηκαν οι αλγόριθμοι μηχανικής μάθησης. ∆οκιμάστηκαν πολλαπλοί αλγόριθμοι ML και συγκρίθηκαν ως προς την ακρίβεια και την απόδοση και ο καλύτερος αλγόριθμος επιλέχθηκε για περαιτέρω ανάλυση. Τα ευρήματα της μελέτης δείχνουν πόσο καλοί είναι οι αλγόριθμοι μηχανικής μάθησης στην ακριβή ανίχνευση και χαρτογράφηση της βλάστησης με φτηνό υπολογιστικό κόστος για τον υπολογιστή. Η τεχνική που δημιουργήθηκε σε αυτή τη μελέτη μπορεί να προσφέρει μια πρακτική και αποτελεσματική απάντηση στο ζήτημα του εντοπισμού της βλάστησης σε αεροφωτογραφίες και δορυφορικές εικόνες. Η μελέτη αυτή προσθέτει στην ηδη υπαρχουσα γνωση, παρουσιάζοντας τη χρήση αλγορίθμων μηχανικής μάθησης στον τομέα της αναγνώρισης και χαρτογράφησης της βλάστησης. Επίσης επισημαίνεται η δυνατότητα που έχουν οι αλγόριθμοι ML να αλλάξουν ριζικά τον τρόπο με τον οποίο παρακολουθούμε και διαχειριζόμαστε τους φυσικούς μας πόρους. Τέλος, παρουσιάζεται μια πρότυπη εφαρμογή για την περαιτέρω βελτίωση ή αύξηση των δεδομενων εκπαιδευσης που μπορει να οδηγήσει σε βελτιωμένα μοντέλα.	el
heal.advisorName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Βουλόδημος, Αθανάσιος	el
heal.committeeMemberName	Κόλλιας, Στέφανος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	80 σ.	el
heal.fullTextAvailability	false