Εφαρμογή τεχνικών βαθιάς μηχανικής μάθησης, για τον εντοπισμό ανθρωπογενών κατασκευών σε μη κατοικημένες περιοχές από δορυφορικές εικόνες.

Σπανάκης, Μάριος; Spanakis, Marios

dc.contributor.author	Σπανάκης, Μάριος	el
dc.contributor.author	Spanakis, Marios	en
dc.date.accessioned	2025-01-10T09:35:55Z
dc.date.available	2025-01-10T09:35:55Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/60702
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.28398
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Γεωπληροφορική”	el
dc.rights	Default License
dc.subject	Τηλεπισκόπηση	el
dc.subject	Βαθιά μάθηση	el
dc.subject	Αυτόματη εξαγωγή ανθρωπογενών κατασκευών	el
dc.subject	Remote sensing	en
dc.subject	U-Net	en
dc.subject	Deep learning	en
dc.subject	Automatic extraction of man-made structures	en
dc.title	Εφαρμογή τεχνικών βαθιάς μηχανικής μάθησης, για τον εντοπισμό ανθρωπογενών κατασκευών σε μη κατοικημένες περιοχές από δορυφορικές εικόνες.	el
heal.type	masterThesis
heal.classification	Τηλεπισκόπηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2024-07-09
heal.abstract	Οι αυτοματοποιημένες διαδικασίες εντοπισμού αντικείμενων από εικόνες μέσω μεθόδων βαθιάς μάθησης σε συνδυασμό με τηλεπισκοπικές αρχές, αποτελεί μια επίπονη διαδικασία, η οποία όμως μπορεί να συνδράμει στην επίλυση ποικίλων προβλημάτων. Ο όγκος και το κόστος των δεδομένων από δορυφορικούς δέκτες, η μεγάλη υπολογιστή ισχύς που απαιτείται για την επεξεργασία των δεδομένων και η ανεύρεση ή δημιουργία δεδομένων εκπαίδευσης νευρωνικών δικτύων, είναι από τις πρωταρχικές δυσχέρειες που συναντά ένας μελετητής στην επίλυση ανάλογων ζητημάτων. Παρά ταύτα η εκτίμηση κατάστασης σε περίπτωση κρίσης, η πληροφόρηση για λήψη μέτρων και αποφάσεων, καθώς και η επικαιροποίηση βάσης δεδομένων, αποτελούν ζητήματα διεπιστημονικού επιπέδου, στα οποία μπορούν να συνδράμουν αποτελεσματικά οι προαναφερθείσες διαδικασίες αυτόματου εντοπισμού. Στην παρούσα μελέτη με την εκπαίδευση ενός πλήρως συνελικτικού νευρωνικού δικτύου U-Net και χρησιμοποιώντας ελεύθερο πακέτο δεδομένων εκπαίδευσης από την SpaceNet, επετεύχθη η ανάδειξη βέλτιστου σεναρίου για τον εντοπισμό ανθρωπογενών κατασκευών σε μη κατοικημένες περιοχές από δορυφορικές εικόνες.	el
heal.advisorName	Δουλάμης, Νικόλαος	el
heal.committeeMemberName	Δουλάμης, Νικόλαος	el
heal.committeeMemberName	Βεσκούκης, Βασίλειος	el
heal.committeeMemberName	Δουλάμης, Αναστάσιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	78 σ.	el
heal.fullTextAvailability	false