Original title:
Automatická klasifikace vybraných terénních tvarů z jejich kartografické reprezentace
Translated title:
Automated recognition of selected terrain features from their cartographic representation
Authors:
Sykora, Matúš ; Bayer, Tomáš (advisor) ; Brodský, Lukáš (referee) Document type: Master’s theses
Year:
2021
Language:
cze Abstract:
[cze][eng] Automatická klasifikace vybraných terénních tvarů z jejich kartografické reprezentace Táto diplomová práca sa zaoberá automatickou klasifikáciou vybraných terénnych tvarov a ich kartografickou reprezentáciou. Cieľom tejto diplomovej práce je navrhnúť metodický postup pre automatické rozpoznávanie terénnych tvarov (kopy a údolia) s využitím strojového učenia (Deep Learning) . Prvá časť navrhnutej metódy sa venuje hrubej segmentáci9 reliéfu na dve kategórie, ktoré budú následne klasifikované pomocou konvolučných neurónových sieti. Druha časť diplomovej práce sa zaoberá samotnou klasifikáciou predsegmentovaných terénnych tvarov pomocou strojového učenia. Obe fázy spracovania využívajú ako vstupné dáta snímky SRTM30. Celá navrhnutá metóda bola spracovaná v programovacom jazyku Python s využitím knižníc Arcpy, TensorFlow a Keras. Kľúčové slová: Digitálna kartografia, GIS, terénne tvary, strojové učenie, Deep Learning, rozpoznávanie, klasifikácia, segmentáciaAutomated recognition of selected terrain features from their cartographic representation. This diploma thesis is dedicated to automatic classification of selected terrain shapes and their cartographic representation. The main aim of this thesis is to design methodological approach for automatic recognition of terrain shapes (hills and valleys) with the use of Machine Learning (Deep Learning). The first part of suggested method divides rough terrain segmentation into two categories, which will be then classified with convolutional neural network. The second part of the thesis is dedicated to the very classification of pre-segmented terrain shapes using Machine Learning. Both parts of the processing are using photos SRTM30 as an input data. The whole proposed method was developed in Python programming language with the usage of Arcpy, TensorFlow and Keras libraries. Keywords: Digital cartography, GIS, terrain shapes, Machine Learning, Deep Learning, recognition, classification, segmentation
Keywords:
clasification; deep learning; digital cartography; GIS; recognition; segmentation; terrain features; deep learning; digitální kartografie; GIS; klasifikace; rozpoznání; segmentace; strojové učení; terénní tvary
Institution: Charles University Faculties (theses)
(web)
Document availability information: Available in the Charles University Digital Repository. Original record: http://hdl.handle.net/20.500.11956/124473