Projekt fAIr - služba pro vytváření AI modelů pro zjišťování objektů na leteckých snímcích pro potřeby tvorby OpenStreetMap

Bc. Hugo Krotil

Bachelor's thesis

Project fAIr - a service for creating AI models for detecting objects on aerial photographs for the needs of creating OpenStreetMap

Anotácia:

Tato bakalářská práce se zabývá srovnáním nástroje fAIr, který využívá metody strojového učení pro automatizované rozpoznávání objektů na leteckých snímcích, s tradičním editorem JOSM používaným při ručním mapování do systému OpenStreetMap (OSM). Cílem práce je vyhodnotit rozdíly mezi těmito přístupy z hlediska efektivity, účinnosti a uživatelské spokojenosti. V rámci experimentu byla skupina uživatelů různé úrovně zkušeností požádána o mapování vybraných oblastí pomocí obou nástrojů. Následně byly analyzovány výsledky z hlediska počtu zachycených objektů, chybovosti, časové náročnosti a subjektivního hodnocení uživatelů. Práce dále zkoumá vliv různých AI modelů, typu zástavby a vstupních dat na výslednou kvalitu mapování. Výsledky poskytují přehled o možnostech a limitech využití AI v kontextu komunitního mapování a přispívají k diskusi o tom, jakým způsobem lze tyto technologie efektivně integrovat do stávajících nástrojů a procesů.

Abstract:

This bachelor's thesis focuses on comparing fAIr, a tool leveraging deep learning methods for automated object recognition in aerial imagery, with the traditional JOSM editor used for manual mapping in the OpenStreetMap (OSM) environment. The aim of the thesis is to evaluate the differences between these two approaches in terms of effectiveness, efficiency, and user satisfaction. In an experimental setup, a group of users with varying levels of experience was tasked with mapping selected areas using both tools. The outputs were analyzed based on the number of detected objects, error rates, time requirements, and subjective user feedback. Furthermore, the thesis explores how different AI models, types of urban structures, and input imagery affect mapping quality. The results offer insight into the capabilities and limitations of AI-assisted mapping in the context of crowdsourced cartography and contribute to the discussion on how such technologies can be effectively integrated into existing tools and workflows.

Kľúčové slová

OpenStreetMap, komunitní mapování, umělá inteligence, strojové učení, fAIr, JOSM, AI asistované mapování, Crowdsourced mapping, artificial intelligence, machine learning, AI-assisted mapping

Jazyk práce: Czech

Datum vytvoření / odevzdání či podání práce: 16. 5. 2025

Obhajoba závěrečné práce

• Obhajoba proběhla 26. 6. 2025
• Vedúci: Mgr. Radim Štampach, Ph.D.
• Oponent: Mgr. Daniel Kašík

Masaryk University

Faculty of Science

Bachelor programme / odbor:
Geography and Cartography / Geographical Cartography and Geoinformatics