АУТОМАТИЗАЦИЈА ПРОИЗВОДЊЕ ТОПОГРАФСКИХ КАРАТА ПРИМЕНОМ МЕТОДА ДУБОКОГ УЧЕЊА
Apstrakt
Израда дигиталних топографских карата захтева коришћење података из различитих извора, у оквиру строгих картографских правила. Оправдана је потреба за развојем напредне методологије за аутоматско генерисање података о зградама. Применом U-net конволуцијске неуронске мреже имплементиране у Python-у, на сателитском ортофото снимку резолуције 30 cm, добијена је маска за предикције објеката. Извршена је векторска обрада маске, креирајући полигоне са задатим подацима о ротацији, из којих су добијени одговарајући вектори тачака који репрезентују зграде. Добијени су подаци који захтевају минималну манипулацију и корекцију. Алат је развијен за топографску карту размере 1:25.000. Лист карте приближно покрива површину од око 120 km2. Уз мање модификације, овај алат се може користити на читавом низу топографских карата.
Reference
[2] „Deep Learning vs. Machine Learning – What’s The Difference?,“ Levity, 26 Jул 2022. [На мрежи]. Доступно на: https://levity.ai/blog/difference-machine-learning-deep-learning#:~:text=Machine%2 0learning%20means%20computers%20learning,as%20documents%2C%20images%20and%20text.,[Последњи приступ 28 Јул 2022].
[3] O. Ronneberger, P. Fischer и T. Brox, „U-Net: Convolutional Networks for Biomedical Image Segmentation,“ MICCAI 2015 - Medical Image Computing and Computer-Assisted Intervention, т. Lecture Notes in Computer Science, бр. 9351, pp. 234-241, 2015.
[4] Z. Kokeza, M. Vujasinovic, M. Govedarica, B. Milojevic and G. Jakovljević, Automatic building footprint extraction from UAV images using neural networks, Geodetski Vestnik 64 (2022) 545.
[5] L. Shapiro и G. Stockman, „Computer Vision,“ New Jersey, Prencitce-Hall, 2001, pp. 279-325.
[6] Inria, „Inria Aerial Image Labeling Dataset,“ The dataset, [На мрежи]. Доступно на: https://project.inria.fr/aerialimagelabeling/). . [Последњи приступ 11 Септембар 2022].