Pistola, Alessandro
(2024)
Applicazione di metodologie AI di segmentazione semantica su immagini satellitari nella pianura alluvionale mesopotamica.
[Laurea magistrale], Università di Bologna, Corso di Studio in
Informatica [LM-DM270]
Documenti full-text disponibili:
![[img]](http://amslaurea.unibo.it/style/images/fileicons/application_pdf.png) |
Documento PDF (Thesis)
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato
Download (14MB)
|
Abstract
Il problema che questo studio si propone di affrontare riguarda l’integrazione di vecchie immagini satellitari, denominate Corona, con un modello di machine learning esistente, una specifica rete CNN, per migliorare l’identificazione di siti archeologici nella pianura alluvionale mesopotamica, nello specifico nel distretto di Abu Ghraib. Il lavoro propone un metodo che include uno studio di conferma dei precedenti lavori, il riaddestramento del modello sulla nuova area di AbuGhraib e la generazione di output utili agli archeologi come le heatmap. Durante lo studio di conferma si replicano e verificano i risultati ottenuti nelle precedenti pubblicazioni, a seguire, si addestra la rete neurale su immagini satellitari Bing e Corona sperimentando due tipologie di fine-tuning (sull'intero modello e a 2 fasi) per poi effettuare le attività di predizione/individuazione di eventuali siti scomparsi dalle attuali mappe.
Si conclude con l'introduzione di una nuova classe d'errore, i dubbi positivi, utili per modellare le specifiche casistiche d'errore in cui Tell non più visibili vengono segnalati come falsi positivi, per poi essere successivamente confermati attraverso verifiche sul campo da parte degli archeologi.
Abstract
Il problema che questo studio si propone di affrontare riguarda l’integrazione di vecchie immagini satellitari, denominate Corona, con un modello di machine learning esistente, una specifica rete CNN, per migliorare l’identificazione di siti archeologici nella pianura alluvionale mesopotamica, nello specifico nel distretto di Abu Ghraib. Il lavoro propone un metodo che include uno studio di conferma dei precedenti lavori, il riaddestramento del modello sulla nuova area di AbuGhraib e la generazione di output utili agli archeologi come le heatmap. Durante lo studio di conferma si replicano e verificano i risultati ottenuti nelle precedenti pubblicazioni, a seguire, si addestra la rete neurale su immagini satellitari Bing e Corona sperimentando due tipologie di fine-tuning (sull'intero modello e a 2 fasi) per poi effettuare le attività di predizione/individuazione di eventuali siti scomparsi dalle attuali mappe.
Si conclude con l'introduzione di una nuova classe d'errore, i dubbi positivi, utili per modellare le specifiche casistiche d'errore in cui Tell non più visibili vengono segnalati come falsi positivi, per poi essere successivamente confermati attraverso verifiche sul campo da parte degli archeologi.
Tipologia del documento
Tesi di laurea
(Laurea magistrale)
Autore della tesi
Pistola, Alessandro
Relatore della tesi
Scuola
Corso di studio
Indirizzo
Curriculum C: Sistemi e reti
Ordinamento Cds
DM270
Parole chiave
Baghdad,AI,archeologia,machine learning,computer vision,deep learning,segmentazione semantica,corona,qgis,cnn
Data di discussione della Tesi
14 Marzo 2024
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Pistola, Alessandro
Relatore della tesi
Scuola
Corso di studio
Indirizzo
Curriculum C: Sistemi e reti
Ordinamento Cds
DM270
Parole chiave
Baghdad,AI,archeologia,machine learning,computer vision,deep learning,segmentazione semantica,corona,qgis,cnn
Data di discussione della Tesi
14 Marzo 2024
URI
Statistica sui download
Gestione del documento: