**UWAGA:** Projekt będzie prowadzony wspólnie z Marią Szlasa.
Obrazy satelitarne i dane geograficzne są często wykorzystywane w zagadnieniach związanych z monitorowaniem zmian środowiskowych, zarządzaniem kryzysowym i reagowaniem na katastrofy, urbanistyką i planowaniem przestrzennym, zarządzaniem zasobami naturalnymi, ochroną środowiska czy badaniami klimatycznymi.
Szeregi czasowe zdjęć satelitarnych to bogate źródło danych, szeroko wykorzystywane w deep learningu do analizy zmian zachodzących w środowisku, rolnictwie czy infrastrukturze. Umożliwiają m.in. monitorowanie działań militarnych, susz, urbanizacji oraz rozwoju upraw.
Celem projektu jest opracowanie/wykorzystanie/rozszerzenie algorytmów głębokiego uczenia maszynowego do przetwarzania wielospektralnych obrazów satelitarnych i danych geograficznych w kontekście wybranych problemów świata rzeczywistego.
W ramach projektu skupimy się na nowoczesnych technikach przetwarzania obrazów, takich jak UNet, Swin-Unet oraz Transformer. Z ich pomocą spróbujemy rozwiązać zadania segmentacji, wykrywania zmian i monitorowania zjawisk przestrzenno-czasowych.
**UWAGA:** Projekt jest przeznaczony dla osób posiadających wiedzę z uczenia maszynowego i uczenia głębokiego (w zakresie potrzebnym do realizacji projektu) oraz umiejętności techniczne w tym zakresie. Część prac może być wykonywana przez osoby z mniejszym doświadczeniem, ale zalecałbym kontakt emailem i ustalenie tego przed zapisaniem się.
