საკვანძო სიტყვები
ღრმა სწავლება
დრონები
ცაგერის მუნიციპალიტეტი
როგორ უნდა ციტირება
ანოტაცია
მიწის ნაკვეთების ხილული საზღვრების ავტომატური დეშიფრირება და საკადასტრო რუკების შედგენისათვის საჭირო საბაზისო სივრცული მონაცემების შექმნა დრონებით მიღებული ძალიან მაღალი გარჩევადობის გამოსახულებებისა და ღრმა სწავლების მეთოდების გამოყენებით მნიშვნელოვანი ამოცანაა მიწის ადმინისტრირების სისტემათა გაუმჯობესების, პროცესის დაჩაქრების და მათი წარმოებისათვის საჭირო ხარჯების შემცირების თვალსაზრისით. ამ მეთოდებით მიღებული მონაცემები წარმატებით შეიძლება იქნას გამოყენებული ე.წ. მიზანმიმართული (Fit-For-Purpose) მიწის ადმინისტრირების სივრცული საფუძვლის მოსამზადებლად. წინამდებარე კვლევაში, ცაგერის მუნიციპალიტეტის 4 სოფლის ტერიტორიაზე უპილოტო საფრენი აპრატით განხორციელებული ფრენების შედეგად მიღებული აეროფოტოსურათების გამოყენებით გენერირებული ორთოფოტოგეგმებიდან ნაკვეთების ხილული საზღვრების დეშიფრირება განხორციელდა U-Net ღრმა სწავლების მოდელით. საზღვრების ამსახველი რასტრული გამოსახულებები დამუშავდა სხვადასხვა ალგორითმების გამოყენებით, რის შედეგადაც მივიღეთ მიწის ნაკვეთების საზღვრების შესაბამისი ვექტორული მონაცემები, რომლებიც საკადასტრო რუკების მომზადების ან არსებული რუკების განახლებისთვის შეიძლება იქნას გამოყენებული.
წყაროები
Arbeláez, P., Fowlkes, C., & Martin, D. (n.d.). The Berkeley Segmentation Dataset and Benchmark.
Ronneberger, o., Fischer, P., & Brox, T. (2015). U-net: Convolutional Networks for Biomedical Image Segmentation. International Conference on Medical Image Computing and Computer-Assisted Intervention. Springer. https://doi.org/https://doi.org/10.1007/978-3-319-24574-4_28
Williamson, I. P., Enemark, S., Wallace, J., & Rajabifard, A. (2010). Land Administration for Sustainable Development. ESRI Press Academic.