<?xml version="1.0"?>
<metadata xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:dc="http://purl.org/dc/elements/1.1/"><dc:title>Nevronska mreža za detekcijo strelskih jarkov na podlagi Lidar digitalnega modela višin</dc:title><dc:creator>Juroš,	Bor	(Avtor)
	</dc:creator><dc:creator>Kristan,	Matej	(Mentor)
	</dc:creator><dc:creator>Banovec,	Primož	(Komentor)
	</dc:creator><dc:subject>segmentacija</dc:subject><dc:subject>detekcija</dc:subject><dc:subject>zaznava</dc:subject><dc:subject>konvolucijske nevronske mreže</dc:subject><dc:subject>strelski jarki</dc:subject><dc:description>V nalogi naslovimo problem detekcije strelskih jarkov na digitalnem modelu višin, ki je pridobljen s sistemom Lidar. Detekcija je izvedena s pomočjo tehnologije segmentacijskih konvolucijskih nevronskih mrež, ki v zadnjih letih krojijo sam vrh pri reševanju problemov detekcije objektov ter segmentacije slik. Uspešna detekcija jarkov ima tudi zgodovinski pomen, saj avtomatske metode detekcije strelskih jarkov še niso bile preizkušene, prav tako pa sistem Lidar omogoča doslej nepredstavljivo natančno analizo terena. V nalogi predlagamo algoritem, ki temelji na arhitekturi U-net in vsebuje postopke pred procesiranja ter naknadnega procesiranja slik, saj zaradi narave problema, ki ga naslavljamo ni potrebno, da se detekcija izvaja v realnem času. Rezultate predlagane metode (Fr13) primerjamo z dvema modificiranima različicama (Fr9 ter Canny) ter sorodno metodo Edge. Primerjavo izvedemo glede na meri F1 ter MCC in pokažemo, da odvisno od tipa območja predlagane metode dosegajo od 10% do 30% boljše rezultate kakor sorodna metoda. V sklopu dela primerjamo tudi rezultate metode Fr13 ter Fr9 ter pokažemo vpliv različnega načina generacije ter perturbacije učne množice v primeru da imamo močno neuravnotežen podatkovni niz.</dc:description><dc:date>2019</dc:date><dc:date>2019-03-28 07:45:04</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>107100</dc:identifier><dc:identifier>UDK: 004</dc:identifier><dc:identifier>VisID: 95768</dc:identifier><dc:identifier>COBISS_ID: 18602841</dc:identifier><dc:language>sl</dc:language></metadata>
