| Κωδ. Έργου: | 95037900 |
| Ημ. Έναρξης: | 13.12.2024 |
| Ημ. Λήξης: | 12.12.2025 |
| Ημ. Έγκρισης: | 13.12.2024 |
| Σχολή: | ΑΓΡΟΝΟΜΩΝ & ΤΟΠΟΓΡΑΦΩΝ ΜΗΧΑΝΙΚΩΝ - ΜΗΧΑΝΙΚΩΝ ΓΕΩΠΛΗΡΟΦΟΡΙΚΗΣ |
| Τομέας: | ΤΟΠΟΓΡΑΦΙΑΣ |
| Χρηματοδότης: | ΤΑΜΕΙΑΚΑ ΥΠΟΛΟΙΠΑ, ΑΥΤΟΧΡΗΜΑΤΟΔΟΤΟΥΜΕΝΑ |
| Προϋπολογισμός: | 14.236,05 € |
| Α.Δ.Α.: | 61ΟΘ46ΨΖΣ4-ΧΛΟ |
| Επ. Υπευθ.: | ΚΑΘ. ΒΑΣΙΛΕΙΑ ΚΑΡΑΘΑΝΑΣΗ |
| Email: | karathan@survey.ntua.gr |
| Περιγραφή: | ΠΟΛΛΕΣ ΑΡΧΙΤΕΚΤΟΝΙΚΕΣ ΒΑΘΙΑΣ ΜΑΘΗΣΗΣ ΕΧΟΥΝ ΑΝΑΠΤΥΧΘΕΙ ΓΙΑ ΤΗΝ ΒΕΛΤΙΩΣΗ ΤΗΣ ΧΩΡΙΚΗΣ ΑΝΑΛΥΣΗΣ ΤΩΝ ΑΠΕΙΚΟΝΙΣΕΩΝ. ΠΑΡΟΛΑ ΑΥΤΑ, Η ΕΦΑΡΜΟΓΗ ΤΟΥΣ ΣΕ ΤΗΛΕΠΙΣΚΟΠΙΚΕΣ ΑΠΕΙΚΟΝΙΣΕΙΣ ΑΠΑΙΤΕΙ ΙΔΙΑΙΤΕΡΗ ΠΡΟΣΑΡΜΟΓΗ ΤΩΝ ΔΙΚΤΥΩΝ ΚΑΙ ΤΗΣ ΕΚΠΑΙΔΕΥΣΗΣ ΤΟΥΣ ΩΣΤΕ ΝΑ ΑΝΤΑΠΟΚΡΙΝΟΝΤΑΙ ΣΤΗΝ ΔΙΑΤΗΡΗΣΗ ΤΗΣ ΦΑΣΜΑΤΙΚΗΣ ΠΛΗΡΟΦΟΡΙΑΣ. ΣΤΟ ΕΡΓΟ ΑΥΤΟ ΘΑ ΑΞΙΟΛΟΓΗΘΟΥΝ ΟΙ ΑΛΓΟΡΙΘΜΟΙ TSRCNN (SUPER-RESOLUTION CONVOLUTIONAL NEURAL NETWORK), SRGAN (SUPER-RESOLUTION GENERATIVE ADVERSARIAL NETWORK), ESRGAN (ENHANCED SUPER-RESOLUTION GAN), PIX2PIX (CONDITIONAL GAN (CGAN)), ΚΑΙ SWINIR (SWIN TRANSFORMER FOR IMAGE RESTORATION) ΩΣ ΠΡΟΣ ΤΗΝ ΙΚΑΝΟΤΗΤΑ ΤΟΥΣ ΝΑ ΒΕΛΤΙΩΣΟΥΝ ΤΗ ΧΩΡΙΚΗ ΑΝΑΛΥΣΗ ΤΩΝ ΠΟΛΥΦΑΣΜΑΤΙΚΩΝ ΑΠΕΙΚΟΝΙΣΕΩΝ ΔΙΑΤΗΡΩΝΤΑΣ ΚΑΤΑ ΤΟ ΠΛΕΙΣΤΟΝ ΤΗ ΦΑΣΜΑΤΙΚΗ ΠΛΗΡΟΦΟΡΙΑ. |
