20.500.12556/RUL-179588 Zaznavanje odpadkov v morju z metodami globokega učenja Marine debris detection using deep learning approaches V diplomskem delu je obravnavan problem semantične segmentacije morskega okolja iz satelitskih posnetkov Sentinel-2 s posebnim poudarkom na zaznavanju plavajočih plastičnih odpadkov, ki predstavljajo majhne, redke in težko zaznavne strukture. Začetna analiza je pokazala omejitve izhodiščnega modela UNet pri razločevanju redkih razredov ter pri zaznavanju objektov, ki obsegajo le nekaj pikslov. Na podlagi podrobne vizualne in podatkovne analize napak so bile preizkušene različne izboljšave, vključno z razširitvijo arhitekture, uporabo alternativnih funkcij izgube in bolj kompleksnimi arhitekturami. Najboljše rezultate je dosegla različica UNet z večjim številom skritih kanalov in kombinacijo križne entropije ter Diceove izgube. Predlagana izboljšava bistveno izboljša segmentacijo redkih in zahtevnih razredov in preseže izhodiščni model pri vseh uporabljenih metrikah. The thesis addresses the problem of semantic segmentation of marine environments from Sentinel-2 satellite imagery, the focus being on detecting floating marine debris, which represents small, sparse structures that are difficult to detect. The initial analysis revealed limitations of the baseline UNet model in distinguishing rare classes and in detecting objects spanning only a few pixels. Based on a detailed visual and data-driven error analysis, several improvements were explored, including architectural expansion, the use of alternative loss functions, and more complex network architectures. The best performance was achieved by a modified UNet model with an increased number of hidden channels and a combined loss function (cross-entropy + Dice loss). The proposed improvement significantly enhances the segmentation of rare and challenging classes and outperforms the baseline model across all evaluated metrics. morski odpadki globoko učenje okoljevarstvo daljinsko zaznavanje semantična segmentacija marine debris deep learning environmental protection remote sensing semantic segmentation true false false Slovenski jezik Angleški jezik Diplomsko delo/naloga 2026-02-18 08:00:26 2026-02-18 08:00:32 2026-03-03 12:17:59 0000-00-00 00:00:00 2026 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 38032 270267651 Erznoznik_Brina_-_Zaznavanje_odpadkov_v_morju_z_metodami_globokega_ucenja.pdf Erznoznik_Brina_-_Zaznavanje_odpadkov_v_morju_z_metodami_globokega_ucenja.pdf 1 C16C055BE0DC20D28C44358D5482570F 3a179d8c8fd6e0ec2aab2547632aff04b93e715b449a872d3e96d71ec069c886 474716bd-0c97-11f1-a1ba-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=228221 Fakulteta za računalništvo in informatiko 0 0 0