Rodyti trumpą aprašą

dc.contributor.authorVyšniauskas, Vykintas
dc.date.accessioned2023-09-18T09:12:20Z
dc.date.available2023-09-18T09:12:20Z
dc.date.issued2021
dc.identifier.urihttps://etalpykla.vilniustech.lt/handle/123456789/111049
dc.description.abstractŠiame darbe buvo tiriamos automatinės aerofotografinių nuotraukų analizės, taikant giliojo mokymosi metodus, galimybės. Tikslui pasiekti buvo įvykdyti šie uždaviniai: atlikta automatinės aerofotografinių nuotraukų analizės metodų analitinė apžvalga. Atrinkti giliojo mokymosi metodai, perspektyvūs taikyti automatinei aerofotografinių nuotraukų analizei. Įgyvendinti ir eksperimentiškai ištirti modernūs segmentavimo modeliai, taikytini aerofotografinėms nuotraukoms segmentuoti. Dėl nagrinėjamų vaizdų sudėtingumo, objektų įvairovės ir kitų iššūkių, dabartiniams dirbtinio intelekto ir mašininio mokymosi metodams trūksta tikslumo, todėl nuotolinio aptikimo srityje priimant sprendimus vis dar reikia naudoti žmogaus intelektą.lit
dc.description.abstractThis work reviews capabilities of deep learning-based methods for automatic analysis of aerial images. To reach the goal, the following tasks were completed: analytical review of methods for automatic analysis of aerial images. Selection of viable deep learning methods for automatic aerial images analysis. Experimental study and practical implementation of state-of-the-art segmentation models for aerial images segmentation. Due to complexity of aerial images, diversity of objects and other challenges, current methods of artificial intelligence and machine learning lack precision and therefore human intelligence still needs to be used in remote sensing applications.eng
dc.formatPDF
dc.format.extent102 p.
dc.format.mediumtekstas / txt
dc.language.isolit
dc.rightsLaisvai prieinamas internete
dc.source.urihttps://talpykla.elaba.lt/elaba-fedora/objects/elaba:96383970/datastreams/MAIN/content
dc.titleAutomatinė aerofotografinių nuotraukų analizė taikant giliojo mokymosi metodus
dc.title.alternativeAutomatic analysis of aerophotography images using deep learning methods
dc.typeMagistro darbas / Master thesis
dcterms.references0
dc.type.pubtypeETD_MGR - Magistro darbas / Master thesis
dc.contributor.institutionVilniaus Gedimino technikos universitetas
dc.subject.researchfieldT 007 - Informatikos inžinerija / Informatics engineering
dc.subject.studydirectionB04 - Informatikos inžinerija / Informatics engineering
dc.subject.ltgilusis mokymasis
dc.subject.ltsąsūkos neuroniniai tinklai
dc.subject.ltkompiuterinė rega
dc.subject.ltnuotolinis aptikimas
dc.subject.ltvaizdų segmentavimas
dc.subject.endeep learning
dc.subject.enconvolutional neural networks
dc.subject.encomputer vision
dc.subject.enremote sensing
dc.subject.enimage segmentation
dc.identifier.elaba96383970


Šio įrašo failai

Thumbnail

Šis įrašas yra šioje (-se) kolekcijoje (-ose)

Rodyti trumpą aprašą