Show simple item record

Generování map z OSM pomocí rekurentních neuronových sítí
dc.contributor.advisorKratochvíl, Miroslav
dc.creatorSedlák, Filip
dc.date.accessioned2021-10-01T12:52:42Z
dc.date.available2021-10-01T12:52:42Z
dc.date.issued2021
dc.identifier.urihttp://hdl.handle.net/20.500.11956/148379
dc.description.abstractGeneration of random realistic maps is a highly desirable content creation method for entertainment industry. Neural networks provide powerful com- putational capabilities proven useful in many fields. This thesis describes an algorithm that adapts real-world data to train Recurrent Neural Networks (RNNs) inspired by the pixel RNNs. An algorithm is constructed to gener- ate a map of altitudes, roads, rivers and buildings. The results are tested and evaluated on multiple selected real-world regions. It shows the ability of RNNs to learn and create random realistic maps. Algorithm generates real- istic altitude maps reflecting user input and training dataset. The creation of roads and rivers was met with weaker results. The creation of buildings was met with unsatisfactory results. 1en_US
dc.description.abstractGenerovanie náhodných realistických máp je žiadaná metóda generovania obsahu pre zábavný priemysel. Neurónové siete poskytujú výkonné výpoč- tové schopnosti, ktoré sa osvedčili v mnohých oblastiach. Táto práca popisuje algoritmus, ktorý prispôsobuje dáta z reálneho sveta pre učenie Rekurent- ných Neurónových Sietí (RNN) inšpirované pixelovo rekurentnými RNN. Al- goritmus bol zostrojený na generovanie mapy nadmorských výšok, ciest, riek a budov. Výsledky sú testované a vyhodnotené na viacerých vybraných oblastiach z reálneho sveta. Tento algoritmus ukazuje schopnosť sa učiť a vytvárať náhodné realistické mapy založené na vstupných údajoch užívateľa a tréningových dátach. Generácia ciest a riek ukázala slabšie výsledky. Gen- erácia budov ukázala neuspokojivé výsledky. 1cs_CZ
dc.languageEnglishcs_CZ
dc.language.isoen_US
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjectrecurrent neural networks|open street map|random generated mediaen_US
dc.subjectrekurentní neuronové sítě|open street map|náhodně generovaná médiacs_CZ
dc.titleRemixing OSM maps using recurrent neural networksen_US
dc.typebakalářská prácecs_CZ
dcterms.created2021
dcterms.dateAccepted2021-09-10
dc.description.departmentDepartment of Software Engineeringen_US
dc.description.departmentKatedra softwarového inženýrstvícs_CZ
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.identifier.repId237731
dc.title.translatedGenerování map z OSM pomocí rekurentních neuronových sítícs_CZ
dc.contributor.refereeKruliš, Martin
thesis.degree.nameBc.
thesis.degree.levelbakalářskécs_CZ
thesis.degree.disciplineProgramování a softwarové systémycs_CZ
thesis.degree.disciplineProgramming and Software Systemsen_US
thesis.degree.programInformatikacs_CZ
thesis.degree.programComputer Scienceen_US
uk.thesis.typebakalářská prácecs_CZ
uk.taxonomy.organization-csMatematicko-fyzikální fakulta::Katedra softwarového inženýrstvícs_CZ
uk.taxonomy.organization-enFaculty of Mathematics and Physics::Department of Software Engineeringen_US
uk.faculty-name.csMatematicko-fyzikální fakultacs_CZ
uk.faculty-name.enFaculty of Mathematics and Physicsen_US
uk.faculty-abbr.csMFFcs_CZ
uk.degree-discipline.csProgramování a softwarové systémycs_CZ
uk.degree-discipline.enProgramming and Software Systemsen_US
uk.degree-program.csInformatikacs_CZ
uk.degree-program.enComputer Scienceen_US
thesis.grade.csDobřecs_CZ
thesis.grade.enGooden_US
uk.abstract.csGenerovanie náhodných realistických máp je žiadaná metóda generovania obsahu pre zábavný priemysel. Neurónové siete poskytujú výkonné výpoč- tové schopnosti, ktoré sa osvedčili v mnohých oblastiach. Táto práca popisuje algoritmus, ktorý prispôsobuje dáta z reálneho sveta pre učenie Rekurent- ných Neurónových Sietí (RNN) inšpirované pixelovo rekurentnými RNN. Al- goritmus bol zostrojený na generovanie mapy nadmorských výšok, ciest, riek a budov. Výsledky sú testované a vyhodnotené na viacerých vybraných oblastiach z reálneho sveta. Tento algoritmus ukazuje schopnosť sa učiť a vytvárať náhodné realistické mapy založené na vstupných údajoch užívateľa a tréningových dátach. Generácia ciest a riek ukázala slabšie výsledky. Gen- erácia budov ukázala neuspokojivé výsledky. 1cs_CZ
uk.abstract.enGeneration of random realistic maps is a highly desirable content creation method for entertainment industry. Neural networks provide powerful com- putational capabilities proven useful in many fields. This thesis describes an algorithm that adapts real-world data to train Recurrent Neural Networks (RNNs) inspired by the pixel RNNs. An algorithm is constructed to gener- ate a map of altitudes, roads, rivers and buildings. The results are tested and evaluated on multiple selected real-world regions. It shows the ability of RNNs to learn and create random realistic maps. Algorithm generates real- istic altitude maps reflecting user input and training dataset. The creation of roads and rivers was met with weaker results. The creation of buildings was met with unsatisfactory results. 1en_US
uk.file-availabilityV
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra softwarového inženýrstvícs_CZ
thesis.grade.code3
uk.publication-placePrahacs_CZ
uk.thesis.defenceStatusO


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV