Показати скорочену інформацію

dc.contributor.authorКоменчук, О. В.uk
dc.contributor.authorМокін, В. Б.uk
dc.contributor.authorКрижановський, Є. М.uk
dc.contributor.authorБудяк, В. О.uk
dc.contributor.authorKomenchuk, O.en
dc.contributor.authorMokin, V.en
dc.contributor.authorKryzhanovsky, Ye.en
dc.contributor.authorBudiak, V.en
dc.date.accessioned2024-06-25T07:43:38Z
dc.date.available2024-06-25T07:43:38Z
dc.date.issued2024
dc.identifier.citationКоменчук О. В., Мокін В. Б., Крижановський Є. М., Будяк В. О. Інтелектуальна технологія побудови плану будівель за аерофотозйомкою їхніх дахів. Вісник Вінницького політехнічного інституту. 2024. № 1. С. 101-109.uk
dc.identifier.issn1997–9266
dc.identifier.issn1997–9274
dc.identifier.urihttps://ir.lib.vntu.edu.ua//handle/123456789/42887
dc.description.abstractРозроблено інтелектуальну технологію побудови плану будівель за даними дистанційного зондування Землі. Такими даними можуть бути дані аерофотозйомки або ж супутникові знімки високої якості. Проведено детальний огляд типів дахів шляхом аналізу найпоширеніших класифікацій та визначено найпоширеніші з них, на прикладі яких, може здійснюватись удосконалення інтелектуальної технології побудови плану будівель за даними аерофотозйомки. Охарактеризовано сучасні та традиційні методи аналізу зображень, які можуть використовуватися для розв'язання цієї задачі. Вибрано найсучасніші методи, які можуть бути ефективними для такого класу задач. Розроблено узагальнений алгоритм для класів односхилих, двосхилих, плоских та вальмових дахів. Запропоновано удосконалення інтелектуальної технології побудови плану будівель за даними аерофотозйомки їхніх дахів, шляхом інтеграції моделі для детекції DETR (“DEtection TRansformer”) разом з сегментацією на основі ViTs (Vision Transformers) для комплексного вирішення проблем пошуку та ідентифікації дахів у першому наближенні для подальшого поліпшення побудови планів будівель. Запропоновано комбінований підхід, який використовує сильні сторони обох моделей, використовуючи модель DETR для локалізації груп дахів у великомасштабних зображеннях, після чого, використовуючи ViTs, точно сегментувати подібні види дахів. Здійснено порівняння точності моделей для сегментації зображень та для детекції обʼєктів на зображеннях. Охарактеризовано результати апробації удосконаленої технології побудови плану будівель за даними аерофотозйомки їхніх дахів: алгоритму, підходів та програмного забезпечення на тестових даних аерофотозйомки публічного датасету, які довели їхню ефективність. Запропоновано можливі удосконалення запропонованої технології за рахунок використання псевдомасок. Результати роботи можуть бути поширені й на інші види дахів будівель, за умови належної адаптації відповідно до специфіки конкретних види дахів.uk
dc.description.abstractThe article is devoted to the development of an intelligent technology for the construction of building plans based on the data of remote sensing of the Earth. Such data can be the data of aerial photographs or high-quality satellite images. A detailed review of the types of roofs was carried out by analyzing the most common classifications, and the most typical of them were determined, on the example of which, the improvement of the intelligent technology of building plan construction based on aerial photography data can be carried out. Modern and traditional methods of image analysis that can be used to solve this problem are characterized. The methods are chosen, which are the most advanced and can be effective for this class of tasks. Generalized algorithm for the class of single-pitched, gable, flat and hip roofs has been developed. It is proposed to improve the intelligent technology of constructing a plan of buildings based on the data of aerial photography of their roofs, by integrating the DETR detection model (“DEtection TRansformer”) together with the segmentation based on ViTs (Vision Transformers) for a comprehensive solution to the problems of finding and identifying roofs, in a first approximation, for further improving the construction of building plans. Combined approach is proposed that takes advantage of the strengths of both models by using the DETR model to localize groups of roofs in large-scale images, then using ViTs to accurately segment similar types of roofs. Comparison of the accuracy of models for image segmentation and object detection in images was made. The results of the approbation of the improved technology of construction of the plan of buildings based on the data of aerial photography of their roofs are characterized: the algorithm, approaches and software on the test data of aerial photography of the public dataset, which proved their effectiveness. Possible improvements of the proposed technology due to the use of pseudo masks are suggested. The results of the work can be extended to other types of building roofs, on the condition of proper adaptation in accordance with the characteristic features of specific types of roofs.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofВісник Вінницького політехнічного інституту. № 1 : 101-109.uk
dc.relation.urihttps://visnyk.vntu.edu.ua/index.php/visnyk/article/view/2983
dc.subjectінтелектуальна технологіяuk
dc.subjectаерофотозйомкаuk
dc.subjectштучний інтелектuk
dc.subjectпобудова плануuk
dc.subjectідентифікація дахівuk
dc.subjectдані дистанційного зондування Земліuk
dc.subjectрозпізнавання зображеньuk
dc.subjectпсевдомаскиuk
dc.subjectintelligent technologyen
dc.subjectaerial photographyen
dc.subjectartificial intelligenceen
dc.subjectplan creationen
dc.subjectroof identificationen
dc.subjectremote sensing dataen
dc.subjectimage recognitionen
dc.subjectpseudo-masksen
dc.titleІнтелектуальна технологія побудови плану будівель за аерофотозйомкою їхніх дахівuk
dc.title.alternativeIntelligent technology of buildings plan construction, based on aerial photography of their roofsen
dc.typeArticle
dc.identifier.udc004.9 : 711.168
dc.relation.referencesЄ. М. Крижановський, В. Б. Мокін, А. Р. Ящолт, і Л. М. Скорина, Системний аналіз та проектування ГІС, електронний навч. посіб. Вінниця: ВНТУ, 2015, 127 с.uk
dc.relation.referencesА. І. Зубик, ГІС в урбаністиці та просторовому плануванні, навчальнометод. посіб. для аудиторної та самостійної роботи студентів з курсу «Використання ГІС в урбаністиці та просторовому плануванні». Львів, 2021, 580 с.uk
dc.relation.referencesВ. Б. Мокін, І. В. Варчук, і Є. М. Крижановський, Інформаційна технологія аналізу та оптимізації топологічної спостережуваності багатозв’язних геоінформаційних систем: моногр. Вінниця: ВНТУ, 2019, с.uk
dc.relation.referencesQi Chen, et. al, “TEMPORARY REMOVAL: Aerial imagery for roof segmentation: A large-scale dataset towards automatic mapping of buildings,” ISPRS Journal of Photogrammetry and Remote Sensing, vol. 147, pp. 42-55, 2019. ISSN 0924- 2716, https://doi.org/10.1016/j.isprsjprs.2018.11.011 .en
dc.relation.referencesQ. Li, et al., “Instance Segmentation of Buildings Using Keypoints,” IGARSS 2020-2020 IEEE International Geoscience and Remote Sensing Symposium, Waikoloa, HI, USA, 2020, pp. 1452-1455, https://doi.org/10.1109/IGARSS39084.2020.9324457 .en
dc.relation.referencesM. Guo, H. Liu, Y. Xu, and Y. Huang, Building Extraction Based on U-Net with an Attention Block and Multiple Losses. Remote sensing (Basel, Switzerland), no. 12(9), pp.1400, 2020. https://doi.org/10.3390/rs12091400 .en
dc.relation.referencesSariturk, Batuhan, et al. “Feature Extraction from Satellite Images Using Segnet and Fully Convolutional Networks (FCN),” International Journal of Engineering and Geosciences, vol. 5, no. 3, Oct. 2020.en
dc.relation.referencesGaston Lenczner, Adrien Chan-Hon-Tong, Bertrand Le Saux, Nicola Luminari, and Guy Le Besnerais, “DIAL: Deep Interactive and Active Learning for Semantic Segmentation in Remote Sensing,” IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, no. 15, pp. 3376-3389, 2022, ff10.1109/jstars.2022.3166551f, https://ieeexplore.ieee.org/document/9324457.en
dc.relation.referencesAgustsson, E., et. al, “Interactive full image segmentation by considering all regions jointly,” in CVPR. pp. 11622-11631. IEEE, 2019.en
dc.relation.referencesЮ. О. Карпінський, А. А. Лященко, і Н. Ю. Лазоренко-Гевель., Основи ГІС. Стандартизація географічної інформації, навч. посіб. Київ, Україна: КНУБА, 2021, 152 с.uk
dc.relation.referencesВ. Б. Мокін, і О. В. Коменчук, «Сучасні інформаційні технології для розпізнавання дахів будівель на аерофотозйомці,» у Матеріали LI Науково-технічної конференції факультету інтелектуальних інформаційних технологій та автоматизації Вінницького національного технічного університету, Вінниця, 31 травня – 1 червня 2022 р. [Електронний ресурс]. Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2022/paper/view/16150/13565 .uk
dc.relation.referencesМ. В. Дратований, і В. Б. Мокін, «Інтелектуальний метод з підкріпленням синтезу оптимального конвеєру операцій попереднього оброблення даних у задачах машинного навчання,» Наукові праці ВНТУ, вип. 4, Груд. 2022. [Електронний ресурс]. Режим доступу: https://praci.vntu.edu.ua/index.php/praci/article/view/670/631 .uk
dc.relation.references“AIRS (Aerial Imagery for Roof Segmentation),” Kaggle, [Electronic resource]. Available: https://www.kaggle.com/datasets/atilol/aerialimageryforroofsegmentation/data .en
dc.relation.references“Sydney Roofers, Roofing Company Sydney,” Rooflines, [Electronic resource]. Available: https://www.rooflines.com.au/blog/6-most-common-australian-roof-types .en
dc.relation.referencesNexe-ua, «Про монтаж черепиці,» [Electronic resource]. Available: https://nexe-ua.com/ua/pro-montazh-cherepici/ .en
dc.relation.referencesGitHub, “DE⫶TR: End-to-End Object Detection with Transformers,” [Electronic resource]. Available: https://github.com/facebookresearch/detr .en
dc.relation.referencesHans Thisanke, Chamli Deshan, Kavindu Chamith, Sachith Seneviratne, Rajith Vidanaarachchi, and Damayanthi Herath, Semantic Segmentation using Vision Transformers: A survey. 2023, https://doi.org/10.48550/arXiv.2305.03273 .en
dc.relation.references“Semantic Segmentation on ADE20K,” Paperswithcode, [Online]. Available: https://paperswithcode.com/sota/semanticsegmentation-on-ade20k .en
dc.relation.references“Object Detection on COCO test-dev,” Paperswithcode, [Electronic resource]. Available: https://paperswithcode.com/sota/object-detection-on-coco .en
dc.relation.references“Segment Anything,” GitHub, [Online]. Available: https://github.com/facebookresearch/segment-anything .en
dc.identifier.doihttps://doi.org/10.31649/1997-9266-2024-172-1-101-109


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію