Closed jprokopczuk closed 2 years ago
Przegląd rozwiązań można oprzeć o znalezione artykuły. Zacznijmy od najbardziej klasycznego przykładu rozwiązania problemu wykrywania budynków i dróg.
Zalety:
- względnie prosta implementacja,
Wady:
- możliwe błędne zidentyfikowanie budynków na mapie ze względu na różne błędy na zdjęciach lotniczych,
- brak możliwości wykrywania dróg,
- brak fizycznej możliwości uwzględnienia każdego rodzaju budynku.
Źródło: Building detection from aerial images using invariant color features and shadow information
Zalety:
- względnie dużo publikacji i materiałów nt. wykrywania dowolnych obiektów za pomocą sieci neuronowych,
- gotowe bazy danych z "polejbelowanymi" obiektami jak budynki i drogi,
- najczęściej wybierana metoda do detekcji dróg i budynków.
Wady:
- konieczne duże zasoby sprzętowe do wytrenowania sieci.
Zalety:
- prosta implementacja,
- mało "zasobożerny" proces detekcji obiektów,
Wady:
- metoda zupełnie nie uniwersalna; zmiana warunków oświetleniowych może spowodować niepoprawne działanie systemu,
- metoda przestarzała i powszechnie nieużywana.
Zalety:
- wykrywanie prostych na zdjęciu.
Wady:
- metoda przestarzała i powszechnie nieużywana,
- problemy z wykrywaniem dróg, które mogą na obrazie być częściowo zasłonięte (np. przez drzewo).
Źróło: https://pl.wikipedia.org/wiki/Transformacja_Hougha
Każda z wymienionych metod ma ta wadę, że nie jest możliwe aby mieć pewność, że dany algorytm zadziała poprawnie/nie pomyli się. Wynika to z dużej różnorodności budynków i dróg.
Dodać podsumowanie co wybieramy ostatecznie.
Przegląd istniejących rozwiązań z wymienieniem słabych i dobrych stron. Powinniśmy odnosić się do artykułów i zbiorów danych.