Využití softwarových nástrojů Deep Learning v oblasti DPZ /
Na vybraných pilotních územích se shromaždišti ruské vojenské techniky (vozidly) bylo provedeno testování technologie Deep Learning formou trénování detekčních modelů následně schopných detekce vojenské techniky. Cílem práce bylo zjistit, zdali současné softwary a dostupná satelitní data budou pro d...
Uloženo v:
| Hlavní autor: | |
|---|---|
| Další autoři: | |
| Typ dokumentu: | VŠ práce nebo rukopis |
| Jazyk: | Čeština |
| Vydáno: |
2024
|
| Témata: | |
| On-line přístup: | https://is.muni.cz/th/ppwe6/ |
| LEADER | 04430ctm a22005537i 4500 | ||
|---|---|---|---|
| 001 | MUB01006540420 | ||
| 003 | CZ BrMU | ||
| 005 | 20240629152324.0 | ||
| 008 | 240618s2024 xr ||||| |||||||||||cze d | ||
| STA | |a POSLANO DO SKCR |b 2024-07-15 | ||
| 035 | |a (ISMU-VSKP)446685 | ||
| 040 | |a BOD114 |b cze |d BOD004 |e rda | ||
| 072 | 7 | |a 004.8 |x Umělá inteligence |2 Konspekt |9 23 | |
| 080 | |a 681.518.54:629.3 |2 MRF | ||
| 080 | |a 004.852 |2 MRF | ||
| 080 | |a (043)378.2 |2 MRF | ||
| 100 | 1 | |a Mucha, Ondřej |% UČO 499774 |* [absolvent PřírF MU] |4 dis | |
| 242 | 1 | 4 | |a The use of Deep Learning software tools in the field of Remote Sensing |y eng |
| 245 | 1 | 0 | |a Využití softwarových nástrojů Deep Learning v oblasti DPZ / |c Ondřej Mucha |
| 264 | 0 | |c 2024 | |
| 300 | |a 99 listů, 17 listů obrazové přílohy | ||
| 336 | |a text |b txt |2 rdacontent | ||
| 337 | |a bez média |b n |2 rdamedia | ||
| 338 | |a svazek |b nc |2 rdacarrier | ||
| 500 | |a Vedoucí práce: Kateřina Tajovská | ||
| 502 | |a Diplomová práce (Mgr.)--Masarykova univerzita, Přírodovědecká fakulta, 2024 | ||
| 520 | 2 | |a Na vybraných pilotních územích se shromaždišti ruské vojenské techniky (vozidly) bylo provedeno testování technologie Deep Learning formou trénování detekčních modelů následně schopných detekce vojenské techniky. Cílem práce bylo zjistit, zdali současné softwary a dostupná satelitní data budou pro detekci vojenské techniky dostatečně vhodné, případně který software a metoda/síť budou pro detekci vojenské techniky nejvhodnější. Praktická část práce probíhala na datech z družic SkySat disponujících půlmetrovým rozlišením, pro zpracování modelů bylo plánováno využití softwarů vhodných pro zpracování obrazových dat - ArcGIS Pro, QGIS a ENVI. Na základě provedené rešerše byla nakonec tvorba modelů provedena pouze v ArcGISu Pro. Detekční modely byly tvořeny na bázi dvou druhů konvolučních neuronových sítí - Mask R-CNN a Faster R-CNN. Modely byly učeny pro detekci vojenské techniky pouze do jedné kategorie z důvodu prostorového rozlišení dat. Výsledky přesnosti detekce obou druhů modelů proká |% cze | |
| 520 | 2 | 9 | |a Deep Learning technology was tested on selected pilot territories with Russian military equipment (vehicles) gathering sites in terms of training detection models subsequently capable of detecting military equipment. The aim of the work was to determine whether the current software and available satellite data would be sufficiently suitable for military equipment detection, or which software and method/network would be most suitable for military equipment detection. The practical part of the work was carried out on data from SkySat satellites with half-meter resolution, for the processing of models it was planned to use softwares suitable for image data processing - ArcGIS Pro, QGIS and ENVI. Based on the research carried out, the creation of models was finally carried out only in ArcGIS Pro. Detection models were created based on two types of convolutional neural networks - Mask R-CNN and Faster R-CNN. Models were learned to detect military equipment in only one category, due to the s |9 eng |
| 650 | 0 | 7 | |a detekce vozidel |7 ph395752 |2 czenas |
| 650 | 0 | 7 | |a hluboké učení |7 ph1042930 |2 czenas |
| 650 | 0 | 9 | |a vehicle detection |2 eczenas |
| 650 | 0 | 9 | |a deep learning |2 eczenas |
| 655 | 7 | |a diplomové práce |7 fd132022 |2 czenas | |
| 655 | 9 | |a master's theses |2 eczenas | |
| 658 | |a Geografická kartografie a geoinformatika |b Geografická kartografie a geoinformatika |c PřF N-GKG GKGI (GKGI) |2 CZ-BrMU | ||
| 700 | 1 | |a Tajovská, Kateřina |7 mub2018980384 |% UČO 54836 |4 ths | |
| 710 | 2 | |a Masarykova univerzita. |b Geografický ústav |7 ko2005276089 |4 dgg | |
| 856 | 4 | 1 | |u https://is.muni.cz/th/ppwe6/ |
| CAT | |c 20240618 |l MUB01 |h 1025 | ||
| CAT | |a DRIMLOVA |b 02 |c 20240619 |l MUB01 |h 1015 | ||
| CAT | |a KOURILOVA |b 02 |c 20240624 |l MUB01 |h 1853 | ||
| CAT | |a KOURILOVA |b 02 |c 20240624 |l MUB01 |h 1855 | ||
| CAT | |a HANAV |b 02 |c 20240629 |l MUB01 |h 1523 | ||
| CAT | |c 20240715 |l MUB01 |h 1018 | ||
| GEO | |a 24/06/2024 | ||
| LOW | |a POSLANO DO SKCR |b 2024-07-15 | ||
| 994 | - | 1 | |l MUB01 |l MUB01 |m VYSPR |1 PRIF |a Přírodovědecká fakulta |2 PRVGR |b ÚK volný výběr - GR |3 K-VZ-2024-MUCH |5 3145383175 |8 20240619 |f 70 |f Prezenční |r 20240619 |s dar |
| AVA | |a SCI50 |b PRIF |c ÚK volný výběr - GR |d K-VZ-2024-MUCH |e available |t K dispozici |f 1 |g 0 |h N |i 0 |j PRVGR | ||