prikaz prve stranice dokumenta Detekcija klizišta na LiDAR snimkama temeljena na dubokom učenju
Rad nije dostupan
diplomski rad
Detekcija klizišta na LiDAR snimkama temeljena na dubokom učenju
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. urn:nbn:hr:168:256428
Šimac, Luka
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Šimac, L. (2022). Detekcija klizišta na LiDAR snimkama temeljena na dubokom učenju (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:256428

Šimac, Luka. "Detekcija klizišta na LiDAR snimkama temeljena na dubokom učenju." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:256428

Šimac, Luka. "Detekcija klizišta na LiDAR snimkama temeljena na dubokom učenju." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:256428

Šimac, L. (2022). 'Detekcija klizišta na LiDAR snimkama temeljena na dubokom učenju', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:256428

Šimac L. Detekcija klizišta na LiDAR snimkama temeljena na dubokom učenju [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2022 [pristupljeno 26.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:256428

L. Šimac, "Detekcija klizišta na LiDAR snimkama temeljena na dubokom učenju", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:256428

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:256428
Podaci o radu
NaslovDetekcija klizišta na LiDAR snimkama temeljena na dubokom učenju
Naslov (engleski)Deep Learning-based Landslide Detection in LiDAR Images
AutorLuka Šimac
MentorMarko Subašić (mentor)
Član povjerenstvaMarko Subašić (predsjednik povjerenstva)
Član povjerenstvaJuraj Petrović (član povjerenstva)
Član povjerenstvaKrešimir Križanović (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2022-07-12, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Tema diplomskog rada je detekcija klizišta na LiDAR snimkama temeljem dubokog učenja. Za rješavanje problema korišteni su algoritmi temeljeni na semantičkoj segmentaciji i dubokim konvolucijskim mrežama. Za kvalitetno rješavanje problema potrebno je bilo provesti predprocesiranje izvornih LiDAR snimki kako bi se mogao izvući maksimalan broj informacija i kreirati adekvatan skupa podatka za treniranje i evuliranje modela te isto tako provesti agumentaciju tokom treniranja modela u svrhu povećanja količine podataka. Istraživanjem dostupnih algoritama semantičke segementacije odlučeno je da su mreže arhitekture enkoder-dekoder pogodne za problem kojim se bavimo. U svrhu dobivanja kvalitetnih rezultata proveden je niz eksperimenata gdje su se ispitivale različite konfiguracije enkoder-dekoder arhitekture u jednakim uvjetima.
Sažetak (engleski)
The topic of the thesis is the detection of landslides on LiDAR images based on deep learning. Algorithms based on semantic segmentation and deep convolutional networks were used to solve the problem. To solve the problem well, it was necessary to pre-process the original LiDAR images in order to extract the maximum amount of information and to create an adequate dataset for training and evaluating models, as well as to apply data augmentation during model training to increase dataset size. By researching the available semantic segmentation algorithms, it was decided that the encoder-decoder architecture networks are suitable for the problem of landslide detection. In order to obtain quality of results, a series of experiments were conducted where different configurations of the encoder-decoder architecture were tested under the same conditions.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:256428
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-14 10:02:46