Głębokie uczenie w procesie teledetekcyjnej interpretacji przestrzeni geograficznej – przegląd wybranych zagadnień
Loading...
czageo-92-03.pdf (6.84 MB)
Authors
Date
2021
Journal Title
Journal ISSN
Volume Title
Publisher
Polskie Towarzystwo Geograficzne
License
Abstract
Zastosowanie uczenia maszynowego (ML, ang. machine learning) oraz uczenia głębokiego (DL, deep learning), zwłaszcza głębokich konwolucyjnych sieci neuronowych (DCNN, ang. deep convolutional neural network), w przetwarzaniu oraz interpretacji obrazu jest obecnie szeroko omawianym zagadnieniem wśród przedstawicieli aktywnie rozwijającego się środowiska naukowego skupionego w ramach takich dziedzin jak teledetekcja oraz geoinformacja. Niniejsza publikacja jest próbą usystematyzowania wiedzy dotyczącej DL oraz jego zastosowania we wspomaganiu interpretacji przestrzeni geograficznej na podstawie zobrazowań lotniczych i satelitarnych. Przeglądem zagadnień DL zainteresowani będą przede wszystkim geografowie, którzy chcieliby wzbogacić prowadzone badania naukowe o metody oparte o sztuczne sieci neuronowe. W tekście przedstawione zostały główne koncepcje DL oraz metody wraz z przykładowymi kategoriami zadań, które można zrealizować przy ich pomocy. Mowa o semantycznej segmentacji, klasyfikacji, augmentacji materiału badawczego i inżynierii cech. Prezentacja każdej z tych kategorii została wzbogacona o opis przypadku użycia i przegląd literatury, umożliwiając w ten sposób wykonanie pierwszego kroku ku zastosowaniu danej techniki w przyszłych projektach badawczych. Zakończenie artykułu stanowi dyskusja nad nowymi kierunkami rozwoju DL w ramach dyscypliny nauk o Ziemi i środowisku.
Description
Keywords
Citation
Adamiak M. (2021). Głębokie uczenie w procesie teledetekcyjnej interpretacji przestrzeni geograficznej – przegląd wybranych zagadnień. Czasopismo Geograficzne 92(1): 49–72. https://doi.org/10.12657/czageo-92-03