| Název: | Automatická segmentace satelitních snímků |
| Další názvy: | Automatic segmentation of satellite images |
| Autoři: | Balda, Pavel |
| Vedoucí práce/školitel: | Gruber Ivan, Ing. Ph.D. |
| Oponent: | Hlaváč Miroslav, Ing. Ph.D. |
| Datum vydání: | 2023 |
| Nakladatel: | Západočeská univerzita v Plzni |
| Typ dokumentu: | bakalářská práce |
| URI: | http://hdl.handle.net/11025/55114 |
| Klíčová slova: | zpracování digitalizovaného obrazu;segmentace obrazu;sémantická segmentace;satelitní snímky;klasické metody umělé inteligence;neuronové sítě;deeplabv3;loveda |
| Klíčová slova v dalším jazyce: | digitized image processing;image segmentation;semantic segmentation;satellite images;classical methods of artificial intelligence;neural networks;deeplabv3;loveda |
| Abstrakt: | Úloha automatické segmentace satelitních snímků nachází využití v mnoha oblastech moderního výzkumu. V první části této práce jsou prezentovány možné přístupy k problematice a dostupná data. Většina práce se poté věnuje přístupům k sémantické segmentaci satelitních snímků na benchmarkovém datasetu LoveDA, kdy jsou v rámci práce prezentovány nejprve vybrané metody s ruční extrakcí příznaků a jejich výsledky na vybraném datasetu a následně postupný vývoj metod hlubokého učení umělých neuronových sítí s vyhodnocením v soutěži LoveDA Semantic Segmentation. Hlavní výstupy práce tvoří shrnutí problematiky, statistiky použitých metod a funkční segmentační model neuronové sítě. |
| Abstrakt v dalším jazyce: | The task of automatic segmentation of satellite images finds application in many areas of modern research. The first part of thesis presents possible approaches to the problem and available data. The majority of the work then focuses on approaches to semantic segmentation of satellite images on the LoveDA benchmark dataset. Within the scope of this work, selected methods with manual feature extraction are presented, along with their results on the chosen dataset. Subsequently, thesis describes a gradual development of deep-learning methods, with evaluation in the LoveDA Semantic Segmentation competition. The main outputs of the thesis consist of a summary of the problem, statistics of the methods used, and a functional segmentation model of a neural network. |
| Práva: | Plný text práce je přístupný bez omezení |
| Vyskytuje se v kolekcích: | Bakalářské práce / Bachelor´s works (KKY) |
Soubory připojené k záznamu:
| Soubor | Popis | Velikost | Formát | |
|---|---|---|---|---|
| Bakalarska prace - Pavel Balda.pdf | Plný text práce | 16,29 MB | Adobe PDF | Zobrazit/otevřít |
| PosudekVedoucihoSTAG.pdf | Posudek vedoucího práce | 55,57 kB | Adobe PDF | Zobrazit/otevřít |
| PosudekOponentaSTAG.pdf | Posudek oponenta práce | 60,36 kB | Adobe PDF | Zobrazit/otevřít |
| Prubeh obhajoby Balda.pdf | Průběh obhajoby práce | 48,71 kB | Adobe PDF | Zobrazit/otevřít |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/55114Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.