<?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=150186"><dc:title>Uporaba večmodalnih podatkov za zaznavanja terasiranih pokrajin z globokimi modeli</dc:title><dc:creator>KORAČIN,	MATIC	(Avtor)
	</dc:creator><dc:creator>Čehovin Zajc,	Luka	(Mentor)
	</dc:creator><dc:creator>Ciglič,	Rok	(Komentor)
	</dc:creator><dc:subject>terase</dc:subject><dc:subject>strojno učenje</dc:subject><dc:subject>segmentacija</dc:subject><dc:subject>večmodalnost</dc:subject><dc:subject>digitalni model višin</dc:subject><dc:subject>ortofoto</dc:subject><dc:description>Terasirane pokrajine so svetovno prepoznane kot pomemben del naravne in kulturne dediščine. V Sloveniji se je obdelovanje velikega dela teras opustilo, zato gotov zgodovinski obseg terasiranih pokrajin na ozemlju Slovencev ni natanko znan. Metode za detekcijo teras že obstajajo in temeljijo na semantični segmentaciji javno dostopnih višinskih podatkov, pridobljenih s tehnologijo LIDAR. V raziskavi smo preverjali vplive več vhodnih modalnosti kot je ortofoto, dejanska raba površja in meje med parcelami. Podatke smo obdelovali z variacijo arhitekture globokega učenja U-Net ter za združevanje podatkov primerjali tehniki zgodnje in srednje fuzije podatkov. Naučen napovedni model se je naučil locirati terasirane pokrajine bolje kot model iz referenčne raziskave. Naši rezultati kažejo, da uporaba večmodalnosti ne doprinese bistvenih dodatnih informacij pri zaznavanju terasiranih pokrajin.</dc:description><dc:date>2023</dc:date><dc:date>2023-09-14 17:25:07</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>150186</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>