<?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=170836"><dc:title>Detekcija plovil na satelitskih slikah z metodami računalniškega vida</dc:title><dc:creator>Azinovič,	Gašper	(Avtor)
	</dc:creator><dc:creator>Perš,	Janez	(Mentor)
	</dc:creator><dc:subject>detekcija ladij</dc:subject><dc:subject>satelitske slike</dc:subject><dc:subject>YOLOv11</dc:subject><dc:subject>konvolucijske nevronske mreže</dc:subject><dc:subject>globoko učenje</dc:subject><dc:description>V diplomskem delu preučujem detekcijo ladij na satelitskih posnetkih s konvolucijskimi nevronskimi mrežami (CNN). Cilj je razviti sistem računalniškega vida, ki na podlagi optičnih satelitskih slik samodejno prešteje zasidrane ladje ter lastnikom plovil prikaže zasedenost divjih zalivov.

Najprej sem sestavil tridelen podatkovni nabor (dataset) iz zbirk Planet Explorer, xView in MASATI. Prvi izmednjih je sestavljen iz 1000 posnetkov konstelacije PlanetScope, ročno označenih v okolju Label Studio (cca. 7 000 omejitvenih okvirov – bounding box). Model YOLOv11x sem prilagodil majhnim objektom: zamrznil začetne konvolucijske sloje, omilil mozaik in skaliranje ter sem naučil štiri različice – tri enonaborne in eno kombinirano.

Rezultati kažejo, da je ladje mogoče stroškovno učinkovito zaznati že pri ločljivosti 10 m/slikovni element, če so objekti dovolj kontrastni. Za nadaljnji razvoj predlagam vključitev radarskih (SAR) posnetkov za odpornost na oblačnost, združevanje večih modelov ter dopolnitev zbirke z visokoločljivostnimi optičnimi slikami. S tem bi sistem postal zanesljiv pripomoček za sprotno spremljanje zasedenosti sidrišč in širše pomorsko nadzorstvo.</dc:description><dc:date>2025</dc:date><dc:date>2025-07-17 13:25:09</dc:date><dc:type>Diplomsko delo</dc:type><dc:identifier>170836</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>
