Segmentace a klasifikace leteckých map metodami hlubokého učení

1.místo v soutěži Aplikované informatiky

Naši zaměstnanci se rádi vzdělávají a posouvají dál ve svém oboru.

Náš kolega z oddělení GeoIT & GIS Jirka K. dálkově studuje Vysokou školu polytechnickou v Jihlavě, obor Aplikovaná informatika. V rámci studia se zúčastnil soutěže Studentská tvůrčí a odborná činnost STOČ, která se konala v rámci 28. ročníku mezinárodní soutěže pro studenty technicky zaměřených středních a vysokých škol. Přihlásil se do Sekce S1 – Aplikovaná informatika se soutěžní prací „Segmentace a klasifikace leteckých map metodami hlubokého učení“ a v této kategorii se umístil na 1. místě. Soutěž pořádala Univerzita Tomáše Bati ve Zlíně Fakulta aplikované informatiky.

Krátká citace obsahu Jirkovo soutěžní práce:

„Segmentace a klasifikace leteckých map metodami hlubokého učení”

Jiří K.

Vysoká škola polytechnická Jihlava, Aplikovaná informatika

Cílem práce je navrhnout systém pro identifikaci a klasifikaci typů střech z leteckých snímků. Získané výsledky lze využít například pro účinnější rozmisťování alternativních zdrojů energie nebo při návrhu terénních 3D modelů. Navržený systém inovativním způsobem řeší dvě hlavní úlohy, automatické pořízení datové sady a její užití k účinnému natrénování zvolených modelů. Na rozdíl od publikovaných studií, předpokládajících vysokou míru interaktivity ve fázi přípravy datové sady, automatizuje prezentovaná metoda obrazovou segmentaci s využitím datových podkladů z Registru územní identifikace, adres a nemovitostí (RÚIAN). Následné klasifikační modely, založené na různých paradigmatech hlubokého učení ukázaly, že s tímto způsobem extrakce obrazových vzorů lze při čtyřech výstupních kategoriích střech (plochá, sedlová, valbová a komplexní) dosáhnout průměrné přesnosti 88 %, což je hodnota srovnatelná s nejnovějšími výzkumy. Popsané řešení je již nyní prakticky aplikovatelné ve výše uvedených typech úloh. Jeho aktuální výkonnost lze dále zvýšit například rozšířením datové sady, optimalizací hyperparametrů učení nebo vývojem vlastních klasifikačních modelů.“

fotografie viz https://stoc.fai.utb.cz/