The objective of this thesis project is to develop an autonomous recognition and classification system by means neural networks of regions, prairies or, more generally, of the concentrations of marine bioconstructions present along the Apulian coast, in order to speed up, simplify and optimize the process of identification, research and study of the temporal evolution of the latter.

L’obiettivo di questo progetto di tesi è quello di sviluppare un sistema di riconoscimento e classificazione autonomo mediante reti neurali delle regioni, delle praterie o, più in generale, delle concentrazioni di biocostruzioni marine presenti lungo la costa Pugliese, al fine di velocizzare, semplificare ed ottimizzare il processo di identificazione, ricerca e studio dell’evoluzione temporale di queste ultime.

RILEVAMENTO AUTOMATICO DI BIOSTRUTTURE MARINE MEDIANTE SEGMENTAZIONE SEMANTICA MULTICLASSE CON RETI NEURALI

AFFUSO, PAOLO
2020/2021

Abstract

The objective of this thesis project is to develop an autonomous recognition and classification system by means neural networks of regions, prairies or, more generally, of the concentrations of marine bioconstructions present along the Apulian coast, in order to speed up, simplify and optimize the process of identification, research and study of the temporal evolution of the latter.
2020
AUTOMATIC DETECTION OF MARINE BIOSTRUCTURES BY MEANS OF MULTICLASS SEMANTIC SEGMENTATION WITH NEURAL NETWORKS
L’obiettivo di questo progetto di tesi è quello di sviluppare un sistema di riconoscimento e classificazione autonomo mediante reti neurali delle regioni, delle praterie o, più in generale, delle concentrazioni di biocostruzioni marine presenti lungo la costa Pugliese, al fine di velocizzare, semplificare ed ottimizzare il processo di identificazione, ricerca e studio dell’evoluzione temporale di queste ultime.
Posidonia oceanica
Biostrutture
Reti neurali
Segmentazione
Immagini satellitari
File in questo prodotto:
File Dimensione Formato  
Tesi.pdf

File consultabile da postazioni biblioteca

Descrizione: Documento di tesi
Dimensione 3.63 MB
Formato Adobe PDF
3.63 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14253/70262