Repository logo
  • English
  • Ελληνικά
  • Log In
    Have you forgotten your password?
Repository logo
  • Collections
  • Research Outputs
  • Projects
  • People
  • Statistics
  • English
  • Ελληνικά
  • Log In
    Have you forgotten your password?
  1. Home
  2. Ψηφιακό Αποθετήριο ΚΥΨΕΛΗ / Kypseli Digital Repository
  3. Theses / Διατριβές και Πτυχιακές Εργασίες
  4. Μεταπτυχιακές Διατριβές / Master Τheses
  5. Πληροφοριακά και Επικοινωνιακά Συστήματα (ΕΛΛ) / Information and Communication Systems (in Greek)
  6. Αναγνώριση κτηρίων, πισίνων και παλιών εγκαταλελειμμένων σπιτιών χωρίς οροφή, μέσω εικόνων δορυφόρου, με τη χρήση Βαθιάς Μάθησης
 
  • Details
Options

Αναγνώριση κτηρίων, πισίνων και παλιών εγκαταλελειμμένων σπιτιών χωρίς οροφή, μέσω εικόνων δορυφόρου, με τη χρήση Βαθιάς Μάθησης

Author(s)
Παπουτέ, Μικαέλα
Date Issued
2022-05
Faculty
Σχολή Θετικών και Εφαρμοσμένων Επιστημών / Faculty of Pure and Applied Sciences 
Abstract
Στην παρούσα μεταπτυχιακή διατριβή έγινε μια προσπάθεια εφαρμογής μεθόδων βαθιάς μάθησης για την αναγνώριση κτηρίων, πισίνων και παλιών/ εγκαταλελειμμένων σπιτιών χωρίς οροφή, με τη βοήθεια εικόνων δορυφόρου.
Πρόκειται για μια πολύπλοκη διαδικασία, η οποία εξαρτάται από την πολυπλοκότητα της δόμησης της περιοχής και της διαφορετικής δομής και κατασκευής των διάφορων κτηρίων και πισίνων.
Το πρόβλημα χρησιμοποιεί την αναγνώριση μοτίβων με σκοπό την κατηγοριοποίηση ενός συνόλου δεδομένων, για τη δημιουργία χαρτών δόμησης, οι οποίοι μπορούν να αξιοποιηθούν σε διάφορους τομείς της μηχανικής και της έρευνας.
Για τον εντοπισμό κτηρίων και πισίνων, παλαιότερα οι άνθρωποι χρησιμοποιούσαν εξοπλισμό, όπως αισθητήρες. Αυτό απαιτούσε καλή προ επεξεργασία, ώστε να είμαστε σίγουροι ότι η διαδικασία εξαγωγής γινόταν με το σωστό τρόπο κατά την αυτοματοποίηση, και είχε πολύ υψηλό κόστος.
Για την αντιμετώπιση του πιο πάνω προβλήματος, στην περίπτωση μας, χρησιμοποιήθηκε η διαδικασία βαθιάς μάθησης, η οποία μιμείται τον τρόπο που μαθαίνει ο εγκέφαλος του ανθρώπου και με τη χρήση εικόνων δορυφόρου, επιτυγχάνεται ο αυτόματος εντοπισμός σπιτιών, πισίνων και παλιών εγκαταλελειμμένων κτηρίων χωρίς οροφή.
Συγκεκριμένα, στην παρούσα μεταπτυχιακή διατριβή, χρησιμοποιήθηκε η αρχιτεκτονική του δικτύου U-Net, η οποία με την επεξεργασία των δεδομένων, αναγνωρίζει τις συγκεκριμένες κατηγορίες και κάνει χαρτογράφηση(mapping) στις υφιστάμενες εικόνες.
Αρχικά το δίκτυο αναγνωρίζει τι είναι το αντικείμενο (κτήριο, παλιό κτήριο ή πισίνα) και στη συνέχεια μαθαίνει να το χαρτογραφεί.
Για να αξιολογηθεί το δίκτυο, χρησιμοποιήθηκαν εικόνες δορυφόρου, οι οποίες συλλέχθηκαν από αξιόπιστη πηγή, η οποία είναι το Κτηματολόγιο της Κύπρου. Συγκεκριμένα χρησιμοποιήθηκαν 5131 εικόνες δορυφόρου προς εκπαίδευση από διάφορες περιοχές της Κύπρου.
Τα πειραματικά αποτελέσματα του, δείχνουν πως το μοντέλο έχει την ικανότητα να εντοπίζει σπίτια με ακρίβεια 81%, παλιά εγκαταλελειμμένα κτήρια χωρίς οροφή με ακρίβεια 94%και πισίνες με ακρίβεια 87%
Publisher
Ανοικτό Πανεπιστήμιο Κύπρου
Format
vii, 37 σ. ; 30 εκ.
Subjects

Βαθιά μάθηση

Deep learning

File(s)
Loading...
Thumbnail Image
Name

ΠΕΣ-2022-00324.pdf

Size

1.64 MB

Format

Adobe PDF

Checksum

(MD5):3367d3d95fb7ee57e8adc4baf81e8c35

  • Contact Us
  • Cookie settings
  • Open University of Cyprus
  • OUC Library
  • Policies
  • Accessibility and Data Protection

Find us on:

FacebookFacebook

Built with DSpace-CRIS software - Extension maintained and optimized by 4Science - Powered by Dataly