Show simple item record

dc.contributor.authorAdamiak, Maciej
dc.date.accessioned2022-07-01T09:47:43Z
dc.date.available2022-07-01T09:47:43Z
dc.date.issued2022
dc.identifier.urihttp://hdl.handle.net/11089/42382
dc.description.abstractNiniejsza praca stanowi próbę opracowania metodyki wspierania procesu badawczego przestrzeni geograficznej, stosowanego w naukach o Ziemi i środowisku, opartego na analizie zobrazowań lotniczych i satelitarnych. Metodyka ta oparta jest o zastosowanie modeli uczenia maszynowego (ang. machine learning, ML), zbudowanych w oparciu o głębokie splotowe sieci neuronowe (ang. deep convolutional neural networks, DCNN). W trakcie powiązanych ze sobą przedmiotowo, przestrzennie i czasowo projektów badawczych Autor wraz z towarzyszącymi mu zespołami badaczy podjął się opracowania zaawansowanych rozwiązań geoinformatycznych. Umożliwiają one opracowanie problemów badawczych dotyczących analizy pokrycia terenu. Autor skupił się przede wszystkim na potwierdzeniu przydatności transformacji, jaka zachodzi w splotowej głębokiej sieci neuronowej podczas procesu uczenia reprezentacji (ang. representation learning) obrazu cyfrowego, w interpretacji przestrzeni geograficznej. W ramach rozprawy powstały cztery wysokiej jakości modele głębokiego uczenia wraz z obsługującymi je programami komputerowymi. Opracowane rozwiązania informatyczne pozwalają na przeprowadzenie nadzorowanej i nienadzorowanej klasyfikacji oraz segmentacji pokrycia terenu przy użyciu zobrazowań satelitarnych i lotniczych. Zwieńczeniem badań jest opracowanie autorskiej metody nienadzorowanej segmentacji przestrzeni geograficznej z wykorzystaniem współzawodniczących generatywnych sieci neuronowych (ang. generative adversarial networks, GAN).pl_PL
dc.language.isoplpl_PL
dc.rightsUznanie autorstwa 4.0 Międzynarodowe*
dc.rightsUznanie autorstwa-Na tych samych warunkach 4.0 Międzynarodowe*
dc.rights.urihttp://creativecommons.org/licenses/by-sa/4.0/*
dc.subjectprzestrzeń geograficznapl_PL
dc.subjectuczenie maszynowepl_PL
dc.subjectgłębokie uczeniepl_PL
dc.subjectteledetekcjapl_PL
dc.subjectzobrazowania satelitarne i lotniczepl_PL
dc.subjectpokrycie terenupl_PL
dc.subjectklasyfikacjapl_PL
dc.subjectsegmentacjapl_PL
dc.subjectgeneratywne sieci współzawodniczącepl_PL
dc.titleWykorzystanie technik uczenia maszynowego i teledetekcji do wspomagania interpretacji przestrzeni geograficznejpl_PL
dc.typePhD/Doctoral Dissertationpl_PL
dc.page.number166pl_PL
dc.contributor.authorAffiliationUniwersytet Łódzki, Wydział Nauk Geograficznych, Instytut Geografii Miast, Turyzmu I Geoinformacjipl_PL
dc.contributor.authorEmailadamiak.maciek@gmail.compl_PL
dc.dissertation.directorBędkowski, Krzysztof
dc.dissertation.directorMajchrowska, Anna
dc.dissertation.reviewerLewiński, Stanisław
dc.dissertation.reviewerMikrut, Sławomir
dc.dissertation.reviewerZagajewski, Bogdan
dc.date.defence2022-10-04
dc.disciplinenauki o Ziemi i środowiskupl_PL


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Uznanie autorstwa 4.0 Międzynarodowe
Except where otherwise noted, this item's license is described as Uznanie autorstwa 4.0 Międzynarodowe