Detecting Parkour Spots from Urban Imagery

No Thumbnail Available
Journal Title
Journal ISSN
Volume Title
Perustieteiden korkeakoulu | Master's thesis
Date
2020-01-21
Department
Major/Subject
Information Networks
Mcode
SCI3047
Degree programme
Master’s Programme in Information Networks
Language
en
Pages
42+1
Series
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.

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.
Description
Supervisor
Hämäläinen, Perttu
Thesis advisor
Hämäläinen, Perttu
Keywords
parkour, machine learning, transfer learning, neural networks, deep learning, computer vision
Other note
Citation