Learning Centre

Detecting Parkour Spots from Urban Imagery

 |  Login

Show simple item record

dc.contributor Aalto-yliopisto fi
dc.contributor Aalto University en
dc.contributor.advisor Hämäläinen, Perttu
dc.contributor.author Saloheimo, Tuure
dc.date.accessioned 2020-01-26T18:10:13Z
dc.date.available 2020-01-26T18:10:13Z
dc.date.issued 2020-01-21
dc.identifier.uri https://aaltodoc.aalto.fi/handle/123456789/42764
dc.description.abstract This thesis investigates detecting potential parkour spots from urban street level imagery. It shows that by using transfer learning it is possible to re-train a convolutional neural network originally trained for general object detection to instead perform the task of parkour spot detection using just a few thousand street level images annotated by parkour hobbyists. The work demonstrates that this machine learning process can be facilitated by street level images easily available through online services such as Google Street View, open-source machine learning frameworks, and publicly available pre-trained neural networks. As such, these methods are widely available even to people without extensive machine learning knowledge. Combining the low training data requirement and readily available tools means that it is possible to deploy machine learning solutions for tasks like parkour spot detection in just a few days. This provides a novel tool for discovering and understanding physical activity opportunities in one's everyday environment, which is useful for researchers and practitioners of fields such as urban design and exercise video games. en
dc.description.abstract Tämä diplomityö tutkii mahdollisten parkour-paikkojen havaitsemista kaupunkiympäristöjen katukuvista. Työ osoittaa, että siirto-oppimisen avulla on mahdollista kouluttaa yleisesti kappaleiden havaitsemiseen tarkoitettu konvoluutioneuroverkko uudelleen niin että se havaitseekin parkour-paikkoja. Tähän riittää vain muutama tuhat katutason kuvaa, joihin parkour-harrastajat ovat merkinneet parkourin kannalta kiinnostavat alueet. Tämän koneoppimisprosessin tekevät mahdolliseksi katutason kuvat, jotka ovat helposti saatavilla verkkopalveluista kuten Googlen Street Viewsta, avoimen lähdekoodin koneoppimiskirjastot sekä vapaasti saatavilla olevat esikoulutetut neuroverkot. Näin ollen nämä menetelmät ovat laajasti myös sellaisten henkilöiden käytettävissä, joilla ei ennestään ole mittavaa kokemusta koneoppimisesta. Vähäinen opetusdatan tarve ja helposti saatavilla olevat työkalut mahdollistavat koneoppimisratkaisujen käyttöönoton parkour-paikkojen havaitsemisen kaltaisiin tehtäviin vain muutamassa päivässä. Tämä tarjoaa uudenlaisen työkalun arkiympäristön liikuntamahdollisuuksien tunnistamiseen ja ymmärtämiseen, mikä on hyödyllistä muun muassa kaupunkisuunnittelussa ja liikuntapelien tutkimisessa ja kehittämisessä. fi
dc.format.extent 42+1
dc.language.iso en en
dc.title Detecting Parkour Spots from Urban Imagery en
dc.title Parkour-paikkojen havaitseminen kaupunkikuvista fi
dc.type G2 Pro gradu, diplomityö fi
dc.contributor.school Perustieteiden korkeakoulu fi
dc.subject.keyword parkour en
dc.subject.keyword machine learning en
dc.subject.keyword transfer learning en
dc.subject.keyword neural networks en
dc.subject.keyword deep learning en
dc.subject.keyword computer vision en
dc.identifier.urn URN:NBN:fi:aalto-202001261874
dc.programme.major Information Networks fi
dc.programme.mcode SCI3047 fi
dc.type.ontasot Master's thesis en
dc.type.ontasot Diplomityö fi
dc.contributor.supervisor Hämäläinen, Perttu
dc.programme Master’s Programme in Information Networks fi
local.aalto.electroniconly yes
local.aalto.openaccess no


Files in this item

Files Size Format View

There are no open access files associated with this item.

This item appears in the following Collection(s)

Show simple item record

Search archive


Advanced Search

article-iconSubmit a publication

Browse