000			05418namaa22004211i 4500
003			OSt
005			20250730105318.0
008			250617s2024 ua a|||frm||| 000 0 eng d
040			_aEG-GICUC _beng _cEG-GICUC _dEG-GICUC _erda
041	0		_aeng _beng _bara
049			_aDeposit
082	0	4	_a624.1
092			_a624.1 _221
097			_aPh.D
099			_aCai01.13.05.Ph.D.2024.Sh.A
100	0		_aShakir Farhan Ahmed Adwan, _epreparation.
245	1	0	_aAutomatic building extraction from uav-based photogrammetric point clouds using deep learning / _cby Shakir Farhan Ahmed Adwan ; Supervisors Prof. Dr. Adel Hassan Youssef El-Shazly, Dr. Wael Mohammed Sayed Ahmed.
246	1	5	_aألإستخراج الآلي للمباني من السُحب النقطية لصورالطائرات بدون طيار باستخدام التعلم العميق
264		0	_c2024.
300			_a155 pages : _billustrations ; _c30 cm. + _eCD.
336			_atext _2rda content
337			_aUnmediated _2rdamedia
338			_avolume _2rdacarrier
502			_aThesis (Ph.D)-Cairo University, 2024.
504			_aBibliography: pages 104-119.
520	3		_aThis thesis investigates the automatic extraction of buildings from UAV images using deep learning. Recently, UAVs have been used to develop effective and low-cost techniques for reconstructing orthophotos and dense point clouds. This thesis consists of two main sections. The first section focuses on the evaluation of the spatial accuracy of UAV products. The second section investigates the potential of using UAV-based orthophotos and dense point clouds for building extraction using deep learning. In the first section, this study found that combining multiple image sets with different parameters can improve the overall position accuracy. In the second section, the more accurate UAV products from the first section were used for the automatic extraction of buildings using deep learning. Three approaches were presented: the first is related to orthophotos only, the second deals with dense point clouds, and the third uses a fusion of data. The accuracy produced by these three approaches was compared. The findings indicated that geometric characteristics (DEM) resulted in significantly better outcomes than using only radiometric characteristics (RGB layers). The best results were obtained by combining geometric and radiometric characteristics.
520	3		_aهذه الرسالة تبحث في الاستخراج ألاّلي للمباني من صور الطائرات بدون طيارباستخدام التعلم العميق. مؤخرا، تم استخدام الطائرات بدون طيار لتطوير تقنيات فعالة ومنخفضة التكلفة لإعادة بناء الصور ذات الاسقاط العمودي والسحب ذات النقاط الكثيفة. تتكون هذه الأطروحة من جزأين رئيسيين. الجزء الأول يركز على تقييم الدقة المكانية لمنتجات الطائرات بدون طيار. بينما يتناول الجزء الثاني استكشاف إمكانية استخدام الصورذات الاسقاط العمودي القائمة على الطائرات بدون طيار والسحب ذات النقاط الكثيفة في أستخراج المباني باستخدام التعلم العميق. في الجزء الأول وجدت هذه الدراسة أن الجمع بين مجاميع من الصور بمعاملات مختلفة يحسن من الدقة الموقعية الإجمالية. في الجزء الثاني فقد تم استخدام منتجات الطائرة بدون طيار الأكثر دقة من الجزء الأول لغرض الاستخراج الاّلي للمباني باستخدام تقنيات التعلم العميق. ثلاث طرق تم تقديمها ضمن هذا الجزء. الاولى متعلقة بالصورذات الاسقاط العمودي فقط , بينما الثانية تتعامل مع السحابة ذات النقاط الكثيفة , اما الطريقة الثالثة فهي تتضمن الدمج بين كلا البيانات. بعد ذلك تمت مقارنة دقة المباني المستخرجة بواسطة هذه الطرق الثلاثة. لقد أظهرت النتائج ان استخدام الخصائص الهندسية ( نموذج الارتفاع الرقمي) يعطي مخرجات ونتائج افضل من استخدام الخصائص الطيفية. وان افضل النتائج تم الحصول عليها عن طريق دمج الخصائص الهندسية والخصائص الطيفية.)
530			_aIssues also as CD.
546			_aText in English and abstract in Arabic & English.
650		0	_aCivil Engineering
653		1	_aUnmanned Aerial Vehicles (UAVs) _aPosition Accuracy Assessment _a Deep Learning _aBuilding Extraction _aInstance Segmentation _aMask R-CNN
700	0		_aAdel Hassan Youssef El-Shazly _ethesis advisor.
700	0		_aWael Mohammed Sayed Ahmed _ethesis advisor.
900			_b01-01-2024 _cAdel Hassan Youssef El-Shazly _cWael Mohammed Sayed Ahmed _dAdel Hassan Youssef El-Shazly _dMoustafa Ahmed Mohamed Baraka _UCairo University _FFaculty of Engineering _DDepartment of Civil Engineering
905			_aShimaa _eEman Ghareb
942			_2ddc _cTH _e21 _n0
999			_c172607