<?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://dk.um.si/IzpisGradiva.php?id=83843"><dc:title>Preslikava stila satelitskih posnetkov s pomočjo generativnih nasprotniških nevronskih mrež</dc:title><dc:creator>Lakič,	Mitja	(Avtor)
	</dc:creator><dc:creator>Karakatič,	Sašo	(Mentor)
	</dc:creator><dc:subject>generativne nasprotniške mreže</dc:subject><dc:subject>globoko učenje</dc:subject><dc:subject>preslikava stila</dc:subject><dc:subject>satelitski posnetki</dc:subject><dc:subject>zemljevidi</dc:subject><dc:description>V magistrskem delu raziskujemo problematiko preslikave stila satelitskih posnetkov z uporabo generativnih nasprotniških nevronskih mrež (GAN). Najprej predstavimo osnovno strukturo nevronskih mrež, nato podrobneje opišemo generativne modele. Namen magistrskega dela je preveriti učinkovitost teh modelov pri preslikavi satelitskih posnetkov v stil zemljevida, kjer primerjamo dva različna GAN modela, in sicer Pix2Pix, ki spada med pogojne modele, in CycleGAN, ki je predstavnik cikličnih modelov. V okviru eksperimenta primerjamo pridobljene rezultate z uporabo teh modelov, kjer smo tudi preizkusili preslikavo v obratni smeri, torej iz zemljevida v stil satelitskega posnetka. Rezultati so pokazali, da je mogoče satelitske posnetke uspešno preslikati v stil zemljevida, kjer pogojni modeli na splošno zagotavljajo boljše rezultate, vendar so zelo odvisni od arhitekture omrežja. Magistrsko delo zaključimo z analizo rezultatov in odgovori na raziskovalna vprašanja.</dc:description><dc:publisher>[M. Lakič]</dc:publisher><dc:date>2023</dc:date><dc:date>2023-02-21 19:08:52</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>83843</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>
