KI für Luftbildauswertung - it@M / LH München

Luftbild München

Die Fragestellung lautete, ob es möglich ist, durch KI-basierte Vergleiche von Luftbildern von früher und heute die Entwicklung bestimmter Themen im Stadtbild aufzuzeigen, wie z.B. die Größe der Grünflächen, die Größe der versiegelten Flächen, die Anzahl der Bäume oder die Gesamtfläche der Solaranlagen auf den Dächern?

Der Prozess könnte ggfs. geographisch skaliert und auf viele verschiedene Themen bzw. Objekte angewendet werden. Die erzielten Informationen könnten die Forschung zur Stadtentwicklung unterstützen.

Ein Studierenden-Team im Masterkurs Deep Learning arbeitete mit Unterstützung ihres Lehrenden und Mitarbeitern des InnovationLab des IT-Referats der Landeshauptstadt München an Lösungen.

Insgesamt testeten die Studierenden vier verschiedene Ansätze zur Segmentierung von Grünflächen: Image Processing, Segment Anything, U-Net, MMSegmentation. Nach einer sorgfältigen Evaluierung stellten sie fest, dass der Image Processing Ansatz, der eine Grünerkennung verwendet, und der Segment Anything Ansatz am effektivsten waren. Daraufhin erstellten sie einen eigenen, gelabelten Datensatz von München mit ausgewählten Luftbildern. Dadurch konnten sie die Zuverlässigkeit der Modellevaluierung deutlich verbessern.

Der Segment Anything Ansatz und der Image Processing Ansatz lieferten ähnlich gute Ergebnisse. Es stellte sich die Frage, ob für die binäre Erkennung ein Deep-Learning Ansatz gewählt werden muss, der deutlich rechenintensiver ist, als die reine Grünwerterkennung. Damit stellte sich die grundsätzliche Frage, in welche Richtung der Ansatz weiterentwickelt werden sollte. Wenn das Ziel zukünftig ausschließlich die Erkennung von Grünflächen bleiben sollte, wäre der Image Processing Ansatz wahrscheinlich die bessere Option. Würde jedoch eine vielseitigere Lösung benötigt, die in Zukunft auch andere Elemente erkennen können sollte, wäre der Segment Anything Ansatz mit Text Prompts eine Option.

-> Abschlusspräsentation "Grünflächenerkennung"

-> Paper "Aerial image segmentation"

-> Ergebnisbilder - erstellt mit dem Segment Anything Ansatz

Semester: Wintersemester 2023/2024

Challenge-Partner: Dr. Stefanie Lämmle, Fabian Reinold, Stefan Hentschel - InnovationLab, IT-Referat, LH München

Betreuung: Prof. Dr. Markus Friedrich

Studierende: Hendrik Haugg, Sebastian Huber, Sebastian Kiunke, Jonas Leitner

Fakultät: FK 7 Informatik