Implementarea algoritmului SR-GAN pentru imagini de super-rezoluție Conservarea monumentelor istorice și a siturilor arheologice are o importanță strategică pentru menținerea identității culturale locale, încurajarea exploatării durabile a proprietăților culturale și crearea de noi oportunități sociale. Obiectivele de patrimoniu cultural sunt adesea expuse la degradare din cauza impacturilor naturale și antropice. Având ca obiectiv principal transferul […]
Category: Uncategorized
A. Serviciul de clasificare a tipurilor de acoperire a terenului Pentru această etapă de testare s-a ales ca zonă de studiu Municipiul Alba Iulia. Selecția algoritmilor de prelucrare a imaginilor satelitare electro-optice, a presupus o analiză inițială, în care o serie de algoritmi au fost aplicați într-o zonă de studiu cunoscută, pentru a evalua performanța
Prezentarea activităților de diseminare – etapa III Gheorghe, M., Nistor, F., Olteanu, G., The benefits of EO super-resolution techniques in land applications: Monitoring cultural heritage sites with enhanced Sentinel-2 data, ESA Living Planet Symposium 2022, Topic C1.04 AI4EO applications for Land and Water, poster presentation, 26.05.2022, Bonn, Germania Dana Negula, I., Moise, C., Gheorghe, M.,Nistor,
Evaluarea performanței algoritmului SR-GAN Aceste operațiuni au avut scopul de a evalua calitatea imaginilor sintetice produse și s-au realizata prin inspecția vizuală comparativă a imaginilor sintetice S-2 de super-rezoluție față de imaginile SPOT utilizate pentru antrenarea algoritmilor. În urma acestor verificări și validări, s-au tras concluzii referitoare la anumite aspecte din fluxul de procesare care
Integrarea rezultatelor în platforma GMV Platforma GMV GeoBrowser funcționează pe baza următoarelor componente: Figura 1. Componența platformei GMV GeoBrowser Pentru fiecare dintre componentele platformei sunt disponibile următoarele acțiuni: Creare Modificare Ștergere Componenta Utilizator. Această componentă permite administrarea utilizatorilor care au acces în platformă. Gestionarea utilizatorilor se realizează printr-un panou dedicat în care se poate modifica
Îmbunătățirea rezoluției imaginilor Sentinel-2 Pentru a îndeplini cerințele utilizatorilor pentru rezoluția spațială și temporală, am folosit un algoritm inspirat de Super-Resolution Generative Adversarial Network (SR-GAN), antrenat pe datele SPOT-6 pentru a mări și îmbunătăți imaginile Sentinel-2. Particularitatea modelului pe care l-am selectat este că calculul funcției de pierdere se bazează pe hărțile caracteristicilor rețelei VGG,
Etapa II: Stadiul actual al activităților Pachet Denumire activitate Autori Titlul livabilului Descrierea activității Finalizarea activității WP 2300 Act 2.1 (cont. Act. 1.3) Identificarea surselor si seturilor de date in-situ sau de alt tip ICECHIM GMV-AIRFARE-D2Raport privind seturile si sursele de date satelitare, in-situ și de alte tipuri ce vor fi utilizate în proiect În etapa
Activități de diseminare Întâlniri cu potențiali parteneri pentru prezentarea proiectului și consolidarea cerințelor utilizatorilor: Tipul diseminării Titlu Autori Data/locul Prezentarea proiectului părților interesate Întâlnire pentru stabilirea cerințelor utilizatorilor cu reprezentanții Complexului Muzeal Național Neamț Mihaela Gheorghe (GMVRO)Cristian Moise (USAMVB)Vlad Olteanu (GMVRO)Fredrik Nistor (GMVRO) 10.02.2021Online Prezentarea proiectului părților interesate Întâlnire pentru stabilirea cerințelor utilizatorilor cu reprezentanții
Prezentarea platformei pentru distribuirea serviciilor Platforma Geobrowser este o platformă online pentru prelucrarea datelor și diseminarea produselor. Deși este dezvoltată având în vedere în special aplicațiile de procesare a datelor de Observare a Pământului. În prezent, sunt dezvoltate funcționalități specifice pentru preluarea, gestionarea și procesarea datelor EO în platformă. Pentru proiectul AIRFARE va fi utilizat
Prezentarea platformei pentru distribuirea serviciilorRead More »
Analiza algoritmilor de clasificare a imaginilor Imaginile sintetice cu rezoluție îmbunătățită au fost clasificate utilizând tehnicile: Învățarea Profundă prin zone (Convolutional Neural Network Patch-based) Această abordare de clasificare implică rețele profunde care au ca intrare porțiuni de imagine și produc o singură valoare care reprezintă clasa zonei respective. Antrenamentul acestui tip de rețea necesită