Treningsdata og bildeklassifisering av satellittbilder. Bruk av GeoNorge som kilder til treningsdata.
Abstract
NTNU Gjøvik og University of Winnipeg utvikler et prosjekt med bruk av nevrale nettverk innenfor landarealklassifisering. I denne bacheloroppgaven undersøkes mulighetene for å hente treningsdata fra Kartverket sin geodataportal GeoNorge.
I arbeidet med eksempelstudien blir det brukt ETL-programvare (extract, transform and load) til å automatisere nedlastning og bearbeiding av ulike geografiske datakilder fra GeoNorge og Sentinel 2. Det har blitt utviklet to arbeidsløyper for henholdsvis vektor- og rasterdata.
Bacheloroppgaven konkluderer med at det er store muligheter for å kunne laste ned relevante treningsdata gjennom GeoNorge-portalen. Den store tilgangen på geografiske data gjør det mulig å analysere og undersøke nøyaktigheten til resultatene fra landarealklassifiseringen. NTNU Gjøvik and University of Winnipeg set up a possible future land area classification project for machine learning with neural networks (project title Map production using advanced techniques in neural networks and remote sensing).The objective of this bachelor thesis is to investigate the possibilities of obtaining training data from the Norwegian Mapping Authority's portal GeoNorge for use in image classification.
The bachelor thesis explores the possibilities within ETL (extract, transform and load) tools to be able to automate processes with downloading and processing of various geographical data sources. With the FME software, workspaces have been set up to solve various tasks completely or partially automatically with the download services WFS and Atom Feed, and some manual download. The end product of the workspaces is a geopackage file with processed Sentinel 2 data and various types of GeoNorge theme data.
The bachelor thesis shows that there is a potential to be able to retrieve different training data from GeoNorge and that it is possible with ETL tools to automate download and data preparation processes.