Mask R-CNN v prostředí GRASS GIS

Pešek Ondřej

Mask R-CNN in GRASS GIS

Typ dokumentu

diplomová práce
master thesis

Autor

Pešek Ondřej

Vedoucí práce

Landa Martin

Oponent práce

Lennert Moritz

Studijní obor

Geomatika

Studijní program

Geodézie a kartografie

Instituce přidělující hodnost

Katedra geomatiky

Práva

A 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
Vysokoškolská 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

Metadata

Zobrazit celý záznam

Abstrakt

Cílem diplomové práce je návrh softwarových nástrojů umožňujících uživateli využití Mask R-CNN (Mask region-based convolutional neural networks) v prostředí GRASS GIS. Tyto nástroje zprostředkovávají možnost učit svůj vlastní Mask R-CNN model a~aplikovat jej za účelem získání vektorových masek objektů z rastrových dat. V textu práce je nejprve nastíněn teoretický základ konvolučních neuronových sítí, následuje přehled možností jejich využití v počítačovém vidění, dále kapitoly o použitých technologiích, a uzavírá jej část věnovaná implementaci samotné. Přílohy obsahují uživatelskou příručku a ukázku výsledků dosažených za využití vytvořených modulů.

The goal of this thesis is to develop software tools allowing the user to use Mask R-CNN (Mask region-based convolutional neural networks) in GRASS GIS. These tools allow the user to train his own Mask R-CNN model and use it to get vector masks from raster data. In the text of the thesis, the theory behind convolutional neural networks is introduced, followed by a list of their possible applications in the field of computer vision, a brief sketch of used technologies and is ended with a part dedicated to the implementation itself. The appendix contains a user manual and examples of usage.