Uporaba globokega učenja za analizo zelo visoko ločljivih posnetkov v ArcGis Pro na območju SlovenijeGelebeshova, Marta (Avtor) Oštir, Krištof (Mentor) Potočnik Buhvald, Ana (Komentor) magistrska delagloboko učenjeprepoznavanje objektovSlovenijaArcGIS Proprednaučeni modeliZaradi napredka na področju globokega učenja za obdelavo posnetkov in prepoznavanja vzorcev je klasifikacija podatkov daljinskega zaznavanja v zadnjih letih močno napredovala. Prednaučeni modeli globokega učenja obljubljajo hitro in avtomatizirano analizo prostorskih podatkov, vendar njihova uporabnost v novih prostorskih in vsebinskih kontekstih pogosto ostaja neraziskana. V nalogi predstavljamo oceno učinkovitosti uporabe štirih prednaučenih modelov, integriranih v okolje ArcGIS Pro, na digitalnih ortofotih Slovenije iz let 2018 in 2021. Testirani so bili modeli Building Footprint Extraction – USA, Segment Anything Model (SAM), Tree Segmentation in Road Extraction – North America. Analiza je bila izvedena na dveh prostorsko in vsebinsko različnih območjih, urbanem (naselje Brdo v Ljubljani) in ruralnem (občina Ig). Rezultati kažejo, da prilagajanje ključnih parametrov lahko izboljša učinkovitost modelov, vendar pri uporabi modelov na ortofotih ostajajo omejitve, povezane s specifičnostjo lokalnega prostora. Najvišja točnost je bila dosežena pri prepoznavanju stavb, medtem ko so modeli za segmentacijo dreves in cest pogosteje generirali napačne zaznave. Rezultati kažejo, da so prednaučeni modeli primerni kot izhodišče za hitro obdelavo posnetkov zelo visoke ločljivosti, vendar je za doseganje višje natančnosti potrebno dodatno učenje in ponovni trening na lokalnih podatkih.[M. Gelebeshova]20252025-09-18 08:45:32Magistrsko delo/naloga173522sl