Ταξινόμηση δορυφορικών εικόνων εδαφών με τεχνικές βαθιάς μηχανικής μάθησης
Διπλωματική Εργασία
| Επιβλέπων | Γιώργος Στάμου |
|---|---|
| Συσχετιζόμενο μάθημα | Τεχνητή Νοημοσύνη |
Περιγραφή
Δορυφόροι, αεροπλάνα και πλέον drones εξοπλισμένα με φωτογραφικό εξοπλισμό αιχμής δημιουργούν μια τεράστια ροή οπτικών δεδομένων. Αυτή χρησιμοποιείται, μεταξύ άλλων, για τη μελέτη της εξέλιξης δασικών εκτάσεων, τηλεπισκόπηση σοδειάς και μελέτη του φαινομένου τη ερημοποίησης. Ο όγκος των δεδομένων και η αποτελεσματική αποθήκευση και ανάκτηση τους αποτελούν από μόνα τους μεγάλη τεχνική πρόκληση. Ακόμα μεγαλύτερη πρόκληση αποτελεί η ανάλυση και επισημείωση των δεδομένων. Ζητούμενο της παρούσας διπλωματικής είναι η μελέτη τεχνικών μηχανικής μάθησης, κυρίως πολυεπίπεδων συνελικτικών νευρωνικών δικτύων, για την αυτοματοποίηση της επισημείωσης φωτογραφιών σε επίπεδο pixel, γνωστή και ως image segmentation. Θα μελετηθούν τεχνικές supervised learning για δεδομένα με υπάρχοντα annotations αλλά και unsupervised learning για την πλειοψηφία των δεδομένων που δεν έχουν αναλυθεί από κάποιον ειδικό. Απαιτούμενες/επιθυμητές γνώσεις: κάποια high level γλώσσα προγραμματισμού (κατά προτίμηση Python), βιβλιοθήκες machine learning, οικειότητα με νευρωνικά δίκτυα και την εκπαίδευσή τους.
Για περισσότερες πληροφορίες επικοινωνήστε με τον Γ. Στάμου (τηλ. 7723040, e-mail: gstam at cs.ntua.gr) και τον Αντώνη Κορκοφίγκα (τηλ. 7722491, e-mail: ankorko at image.ece.ntua.gr).