ДЕТЕКЦИЈА КРОВНИХ ПОВРШИНА СА САТЕЛИТСКИХ СЛИКА УПОТРЕБОМ РАЧУНАРСКЕ ИНТЕЛИГЕНЦИЈЕ
Ključne reči:
сегментација, обучавајући скуп, YOLO
Apstrakt
Циљ овог рада био је да се обави истраживање на пољу детекције и сегментације кровних површина са сателитских слика употребом различитих алгоритама базираних на употреби
вештачке интелигенције. Рад описује поступак и проблеме креирања реалног скупа за обучавање модела, као и проблеме имплементације и тренирања различитих модела базираних на конволуционим неуронским мрежама. На крају су приказани резултати предикције модела и дискусија добијених резултата.
Reference
[1] Ghosh, A., Sufian, A., Sultana, F., Chakrabarti, A., & De, D. (2017). Fundamental concepts of convolutional neural network. Department of Computer Science, University of Gour Banga, India; A.K. Choudhury School of Information Technology, University of Calcutta, India; Department of Computer Science & Engineering, M.A.K.A.U.T., India.
2] Ronneberger, O., Fischer, P., & Brox, T. (2015). U-Net: Convolutional networks for biomedical image segmentation. Computer Science Department and BIOSS Centre for Biological Signalling Studies, University of Freiburg, Germany.
[3] Chen, L.-C., Papandreou, G., Schroff, F., & Adam, H. (2017). Rethinking atrous convolution for semantic image segmentation. Google Inc.
[4] Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016). You only look once: Unified, real-time object detection. University of Washington, Allen Institute for AI, Facebook AI Research.
[5] Badrinarayanan, V., Kendall, A., & Cipolla, R. (2017). SegNet: A deep convolutional encoder-decoder architecture for image segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence.
2] Ronneberger, O., Fischer, P., & Brox, T. (2015). U-Net: Convolutional networks for biomedical image segmentation. Computer Science Department and BIOSS Centre for Biological Signalling Studies, University of Freiburg, Germany.
[3] Chen, L.-C., Papandreou, G., Schroff, F., & Adam, H. (2017). Rethinking atrous convolution for semantic image segmentation. Google Inc.
[4] Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016). You only look once: Unified, real-time object detection. University of Washington, Allen Institute for AI, Facebook AI Research.
[5] Badrinarayanan, V., Kendall, A., & Cipolla, R. (2017). SegNet: A deep convolutional encoder-decoder architecture for image segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence.
Objavljeno
2025-04-04
Sekcija
Elektrotehničko i računarsko inženjerstvo
