Klasifikace zeleně na území Prahy

Abstract

Městská zeleň je nesmírně důležitá pro zdravé městské prostředí, a proto je důležité ji monitorovat. Tato práce se snaží přispět ke zpřesnění geografických dat města Prahy návrhem metody detekce jednotlivých korun stromů. Takováto data by poskytla základ pro různé studie související s vegetací v měřítku jednoho stromu. Byly navrženy a implementovány dvě metody, aby byl poskytnut spolehlivější výsledek. První metoda je založena na tradičnějších technikách dálkového průzkumu Země využívajících geografický informační systém. Druhá využívá techniky hlubokého učení založené na neuronové síti Mask R-CNN. Oba modely jsou porovnány pomocí navrženého posouzení přesnosti. Metodou založenou na Mask R-CNN mohou být koruny stromů detekovány s celkovou přesností 81%. Ukázalo se také, že metoda Mask R-CNN je účinnější než tradičnější metoda založená na dálkovém průzkumu Země použitá v této studii.

Urban greenery is extremely important for healthy urban environment. For this reason, the greenery must be monitored. This thesis attempts to contribute to the geographic data of the Prague municipality by proposing a method for single-crown-detection and single-crown-delineation. Such data would provide a basis for vegetation-related studies on a single-tree-level. Two methods were designed and implemented to provide a more reliable result. The first method is based on rather traditional remote sensing techniques using Geographic Information System. The other one uses deep learning techniques based on Mask R-CNN neural network framework. Both models are compared using designed accuracy assessment. Using the proposed Mask R-CNN-based method, tree crowns can be delineated with an overall accuracy of 81%. It also proved to be more efficient than the other “traditional” remote sensing technique used in this study.