Show simple item record

Deep neural network for satellite image classification using Open Street Maps



dc.contributor.advisorReinštein Michal
dc.contributor.authorKunc Vladimír
dc.date.accessioned2017-06-07T16:15:07Z
dc.date.available2017-06-07T16:15:07Z
dc.date.issued2017-05-26
dc.identifierKOS-695599888705
dc.identifier.urihttp://hdl.handle.net/10467/70215
dc.description.abstractNabídka dat z dálkového průzkumu Země (DPZ) vzrůstá a stejně stoupá poptávka po metodách umožníjící automatickou analýzu těchto dat, jednou z těchto metod je klasificka. Nicméně přes vzrůstající poptávku, neexistuje žádný vhodný dataset pro učení neuronových sítí na těchto datech. Cílem této práce je navrhnout, implementovat a experimentálně vyhodnotit hlubokou neuronovou síť for učení se klasifikace dat z DPZ za použití anotací z OpenStreetMap. Z tohoto důvodu tato práco představuje nový dataset leteckých snímků, který byl anotován za pomoci OpenStreetMap. Pomocí tohoto nového datasetu byla vyhodnocena vhodnost a chování několika moderních architektur pomoci přenosového učení z ImageNet. Chování sítí naučených pomoci přenosového učení bylo porovnávno s chováním hluboké sítě naučené jen za pomoci nového datasetu. Dále byla vyhodnocena vhodnost dvou augmentačních technik pro navržený dataset. Bylo zjištěno, že ResNet50 je z testovaných architektur nejvhodnější pro tento dataset a že přenosové učení je méně výhodné než učení od nuly na navrženém datasetu. Dále bylo ukázano, že vzhledem k více zdrojové povaze dataset použítí augmentace s transformací barev je výhodnější než použití čisté prostorové augmentace.cze
dc.description.abstractThere is rising supply of remote sensing data and also rising demand for its automatic analysis, one of the branches of analysis is classification. However, despite the rising demand, there is no suitable dataset for learning neural networks. The aim of this work is to design, implement and experimentally evaluate a deep neural network for learning classification of remote sensing images using labels from OpenStreetMap. Thus this work introduces a novel aerial image dataset that was annotated using the OpenStreetMap. Using the novel dataset, the suitability of several state-of-the-art architectures for transfer learning from ImageNet is assessed and compared to performance of a deep network learned using the novel dataset only. Two augmentation techniques are evaluated for their appropriateness on this dataset. It was found that the ResNet50 from the tested architectures is the most accurate on the dataset and that transfer learning is less suitable than learning from scratch on this dataset. The multi-source nature of the novel datasets benefits from augmentation of the color space compared to strictly spatial augmentation.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.htmleng
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.htmlcze
dc.subjectklasifikace, hluboké učení, OpenStreetMap, vytváření datasetucze
dc.subjectimage classification, deep learning, OpenStreetMap, dataset creationeng
dc.titleHluboká neuronová síť pro klasifikaci satelitních snímků s využitím Open Street Mapscze
dc.titleDeep neural network for satellite image classification using Open Street Mapseng
dc.typediplomová prácecze
dc.typemaster thesiseng
dc.date.accepted
dc.contributor.refereeŠkoviera Radoslav
theses.degree.disciplineUmělá inteligencecze
theses.degree.grantorkatedra počítačůcze
theses.degree.programmeOtevřená informatikacze


Files in this item






This item appears in the following Collection(s)

Show simple item record