Samodejna klasifikacija stavb z globokim učenjemŠanca, Simon (Avtor) Oštir, Krištof (Mentor) Mangafić, Alen (Komentor) geodezijamagistrska delaGIGgloboko učenjekonvolucijske nevronske mrežeklasifikacija stavbCASMask R-CNNprepoznava objektovsegmentacija objektovsamodejna klasifikacijaMultispektralne podobe, bodisi letalski ali satelitski posnetki, zagotavljajo podrobne informacije o stanju površja. Klasifikacija na podlagi multispektralnih podob je ena izmed temeljnih nalog daljinskega zaznavanja. Podatke o stavbah vodimo v katastru stavb, ki ga moramo redno vzdrževati. Kot alternativne metode vzdrževanja se lahko uporabljajo metode računalniškega vida in strojnega učenja. Pri samodejni klasifikaciji stavb v zadnjih letih prednjačijo metode globokega učenja z uporabo konvolucijskih nevronskih mrež. V raziskavi smo uporabili konvolucijsko ogrodje Mask Region Convolutional Neural Network (Mask R-CNN) in razvili lastno podatkovno zbirko v formatu Microsoft Common Objects in COntext (MS COCO), ki smo jo uporabili za učenje modela zaznavanja stavb na podlagi bližnje infrardečih posnetkov cikličnega aerosnemanja (CAS) območja Slovenije iz leta 2019. Metodo za prepoznavo stavb smo preizkusili na izbranih območjih v Sloveniji in rezultate klasifikacije stavb analizirali. Rezultati samodejne klasifikacije stavb kažejo, da so metode globokega učenja primerne za iskanje in vzdrževanje podatkov o stavbah ter lahko nadomestijo ali se uporabijo kot pomoč pri že obstoječih metodah samodejne klasifikacije stavb.[S. Šanca]20202020-09-23 08:46:31Magistrsko delo/naloga120610sl