Zobrazit minimální záznam

Cloud and Shadow Detection in Satellite Imagery

dc.contributor.advisorPajdla Tomáš
dc.contributor.authorBartoš Matěj
dc.date.accessioned2017-06-07T13:22:44Z
dc.date.available2017-06-07T13:22:44Z
dc.date.issued2017-05-23
dc.identifierKOS-695600149405
dc.identifier.urihttp://hdl.handle.net/10467/68627
dc.description.abstractV posledních letech došlo k enormnímu nárůstu veřejně dostupných satelitních snímků a celkového množství vynešených satelitů, což předložilo náročný problém s daty, jak označit nebo klasifikovat objekty na satelitních snímcích. Tato práce uvede algoritmus Fmask[1], state of the art řešení, detekce mraků a stínů, a zkoumá problém syntézy družicových dat a problém sémantického značení družicových snímků návrhem, provedením a vyhodnocením neuronové sítě. Výsledný algoritmus syntetizuje obraz na oblaka a zem, které lze kombinovat s jakýmkoliv jiným obrázkem, a tím se vytvoří nová nebo vylepšená stávající data. Hlavním přínosem této diplomové práce je využití syntézy datasetu při učení neuronových sítí. Na skutečném datasetu jsme dosáhli 94.3% přesnosti (accuracy). Neuronové sítě byly vytvořeny za pomoci knihovny Caffe[2].cze
dc.description.abstractIn recent years there has been an enormous growth in the amount of publicly available satellite imagery and overall satellites launched, which has imposed a challenging data problem of how to label or classify objects on satellite imagery. This thesis reviews Fmask algorithm[1], a state of the art solution, of cloud and shadow detection, and explores a problem of synthesizing satellite data and a problem of semantic labelling of satellite imagery by designing, implementing and evaluating neural network. The resulting pipeline synthesizes image into clouds and background. The modelled clouds can be then combined with any other image creating a new or enhanced data. The main contribution of this thesis is the utilization of the dataset synthesis in learning of neural networks. We have achieved 94.3% střídavý on a real world dataset. Neural networks were created with a help of Caffe framework[2].eng
dc.language.isoENG
dc.publisherČeské vysoké učení technické v Praze. Vypočetní a informační centrum.cze
dc.publisherCzech Technical University in Prague. Computing and Information Centre.eng
dc.rightsA university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html.eng
dc.rightsVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html.cze
dc.subjectMeta-ball, Landsat, Caffe, Deep Learning, SegNet, Satelitní snímkycze
dc.subjectMeta-ball, Landsat, Caffe, Hluboké učení (Deep learning), SegNet, Satellite Imageryeng
dc.titleDetekce mraků v satelitních obrazechcze
dc.titleCloud and Shadow Detection in Satellite Imageryeng
dc.typeMAGISTERSKÁ PRÁCEcze
dc.typeMASTER'S THESISeng
dc.date.accepted2017-06-12
dc.contributor.refereeZimmermann Karel
theses.degree.disciplinePočítačové vidění a digitální obrazcze
theses.degree.grantorkatedra kybernetikycze
theses.degree.programmeOtevřená informatikacze


Soubory tohoto záznamu






Tento záznam se objevuje v následujících kolekcích

Zobrazit minimální záznam