<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=119838"><dc:title>Izboljšava segmentacije multispektralnih slik z upoštevanjem negotovosti oznak</dc:title><dc:creator>Bogataj,	Mark	(Avtor)
	</dc:creator><dc:creator>Čehovin Zajc,	Luka	(Mentor)
	</dc:creator><dc:creator>Račič,	Matej	(Komentor)
	</dc:creator><dc:subject>globoko učenje</dc:subject><dc:subject>Sentinel-2</dc:subject><dc:subject>razpoznavanje poljščin</dc:subject><dc:subject>klasifikacija površja</dc:subject><dc:description>V okviru diplomske naloge analiziramo vpliv šumnih podatkov na učenje modelov za klasifikacijo. Osredotočimo se na klasifikacijo poljščin iz multispektralnih satelitskih slik. Obstoječo arhitekturo nevronskih mrež za klasifikacijo poljščin prilagodimo, da se lahko uči z negotovimi oznakami razredov, ki izhajajo iz pogostih mejnih celic površin, ki vsebujejo dva ali več razredov poljščin. Metodo smo ovrednotili na podatkovni zbirki, ki vključuje celotno površje Slovenije, obravnavanje negotovosti v oznakah klasifikacijsko točnost izboljša za 5\%, kar odpira nove možnosti za bolj robustno učenje napovednih modelov na podobnih problemih.</dc:description><dc:date>2020</dc:date><dc:date>2020-09-11 17:05:22</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>119838</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>