Várunk Titeket ismét 2025 első Térinforrásán, az NJSZT TérTáv szakosztály térinformatikai és távérzékelési meetup sorozatán!

📅 Időpont: 2025. március 27. csütörtök 18:00
📍 Helyszín: Szenátus Pub, 1091 Budapest, Üllői út 55.

👨‍🏫👩‍🏫Előadók és témák:

1. Reményi István (ELTE, Mesterséges Intelligencia Tanszék): Gyengén felügyelt tanítás úton-útfélen - Aszfaltrepedés-felismerés
2. Hajdú Edina (ELTE, Térképtudományi és Geoinformatikai Intézet): Drónos távérzékelés a kritikusinfrastruktúra-védelemben
3. Lányi Zsombor (Bosch Magyarország): Kihívások és megoldási módszerek AI alapú ADAS rendszerek fejlesztése mentén
   
4. Mészáros János (HUN-REN ATK TAKI): Alsótól a PRISMA-ig - távérzékelt adatok a HUN-REN ATK Talajtani Intézetben

🎟️A meetupon a részvétel ingyenes, de regisztrációköteles a TicketTailor felületén.

🍺🥪 A meetup szünetében a regisztrált résztvevők vendégeink egy italra és némi sörkorcsolyára. A rendezvénynek az érdekes előadások mellett a networking, szakmai kapcsolatépítés is fontos része, így aki teheti, maradjon velünk az előadások utáni kötetlenebb beszélgetésen is!

💼 Szervező: NJSZT Térinformatikai és Távérzékelési Szakosztály (https://njszt.hu/)

*****

Absztraktok

Reményi István (ELTE, Mesterséges Intelligencia Tanszék): Gyengén felügyelt tanítás úton-útfélen - Aszfaltrepedés-felismerés
A mélytanulással kapcsolatos projektek címkézési erőfeszítése váratlan költségeket vonhatnak maguk után, különösen, amikor olyan kihívást jelentő problémákkal foglalkozunk, melyek zajos kameraképeket tartalmaznak. A csábítónak tűnő félig felügyelt koncepció helyett, ahol legalább egy kis mennyiségű ember által címkézett adatnak mindenképpen jelen kell lennie, mi egy teljesen automatizált megoldást vizsgáltunk meg. Az úgynevezett gyengén felügyelt tanulás ötlete megkönnyítheti az életünket, azaz, építhetünk egy olyan folyamatot, amelyben egy előzetes információ-alapú automatikus, de nem túl megbízható igazságadatok generálása és a klasszikus felügyelt tanulási szakasz egymás után alkalmazhatóak.

A tanulmány az aszfaltrepedések felismerését célozza meg. Itt ugyanis a többszörösen is extrém zajjal terhelt képeken a klasszikus felügyelt tanulás nehezen ért el következetes konvergenciát. Az automatizált tanulás első lépéséhez klasszikus képfeldolgozási technikákkal képeztünk – nem túl megbízható – adatokat. Magát a repedések felismerését pedig egy neurális hálózatra, egy módosított AutoEncoderre bíztuk. Ezek a modellek alapból képesek egy jelentősen tömörebb reprezentációt létrehozni a bemeneti adatokból, de befolyásolhatjuk képességeiket egy csatolt szegmentációs fejjel, illetve dedikált kényszerekkel is, extra veszteségfüggvények formájában. A módosítások után a modell következetesen elfogadható eredményeket generált, azaz képes erős reprezentációkat kinyerni még egy rendkívül zajos adathalmazból is.

Hajdú Edina (ELTE, Térképtudományi és Geoinformatikai Intézet): Drónos távérzékelés a kritikusinfrastruktúra-védelemben
Napjainkban az UAV rendszerek (drónok) egyre fontosabb szerepet töltenek be a különböző katasztrófavédelmi beavatkozások során. Ez a modern alkalmazási mód nemzetközi szinten már elterjedt, hiszen nagyban megkönnyíti a hatóságok munkáját. Egy magyarországi mintaterületen célunk, hogy ezt a technológiát megalapozzuk és a megvalósításban is aktívan részt vegyünk.

A MOL Százhalombattai Dunai Finomítója újításokat kíván bevezetni, amivel az esetleges károk kialakulását minimalizálni lehet, vagy a már bekövetkezett káresemény mérséklése is elérhető. A DUFI területén már felmerült az igény a drónos műveletek alkalmazására. A tűzoltók munkáját vizuális felderítéssel, élő közvetítéssel lehet kiegészíteni bekövetkezett káresemény esetén, mivel a drón hamarabb érkezik a helyszínre, a bevetést/oltást végző csapatok előtt. Így ők már korábban átfogó képet kapnak arról, hogy mire kell felkészülniük. Nyugalmi helyzetben pedig adatgyűjtésre alkalmazható a módszer különböző szenzorok alkalmazásával (gázdetektor, termális kamera).

Lányi Zsombor (Bosch Magyarország): Kihívások és megoldási módszerek Al alapú ADAS rendszerek fejlesztése mentén
Az előadás betekintést enged az ADAS rendszerek fejlesztése során felmerülő problémákra, különös tekintettel arra, hogy milyen kihívásokat jelent egy PoC fázisból érettebb fázisba lépni és ehhez milyen modern technológiákat hívnak segítségül a fejlesztés során. Amellett, hogy az ADAS szoftverek területén érezhető egy növekvő trend az end-to-end AI megoldások felé, kevesebb szó esik a fejlesztési folyamatok optimalizációjáról foundation modellek segítségével, erre is láthatunk példát az előadás során.

Mészáros János (HUN-REN ATK TAKI): Alsótól a PRISMA-ig - távérzékelt adatok a HUN-REN ATK Talajtani Intézetben
A talaj egy feltételesen megújuló környezeti elem, amely számos funkciójával támogatja az emberi jóllétet, többek közt elősegítve az éghajlatváltozás következményeinek enyhítését és növelve az élelmiszerbiztonságot. Megőrzése olyan kihívást jelent, ami megköveteli állapotának folyamatos nyomon követését, fizikai és kémiai paramétereinek monitorozását. Ezt a feladatot látja el közel 30 éve a HUN-REN ATK Talajtani Intézet Talajtérképezési és Környezetinformatikai Osztálya a geoinformatika, geostatisztika és távérzékelés módszereire, valamint adataira támaszkodva. Bemutatkozó előadásomban átfogó képet tervezek adni az osztály ilyen irányú kutatásairól a pontszerű talajadatok (legyen az klasszikus talajminta, vagy egy több hónapig elásott pamut alsónemű) kiértékelésétől egészen a regionális vagy országos kiterjedésű talajtérképek távérzékelt adatokon nyugvó, gépi-tanulási módszerekkel végzett modellezéséig.