Hiperspektralno slikanje, difuzni modeli in modeli transformer za izboljšano detektiranje neeksplodiranih ubojnih sredstevVilec Letonja, Vid (Avtor) Potočnik, Božidar (Mentor) Bajić, Milan (Komentor) hiperspektralne slikeneeksplodirana ubojna sredstvasemantična segmentacijamodeli Transformerdifuzni modeliV magistrskem delu raziskujemo uporabo hiperspektralnega slikanja v kombinaciji z difuznimi modeli in modeli Transformer za detekcijo neeksplodiranih ubojnih sredstev (UXO). Dimenzionalnost hiperspektralnih podatkov zmanjšamo z metodo PCA ter tako pripravljene podatke uporabimo kot vhod v različne arhitekture globokega učenja, med drugim Vision Transformer, SegFormer, Swin Transformer, TransUNet in difuzne modele. Obravnavamo tako binarno kot semantično segmentacijo objektov UXO. Uspešnost modelov ovrednotimo na javno dostopni zbirki 134 hiperspektralnih slik, zajetih s kamero Specim IQ, pri čemer uporabimo v raziskovalni skupnosti uveljavljene metrike. Najboljše rezultate doseže doučeni model SegFormer, kar potrjuje učinkovitost prenosa znanja iz segmentacije RGB-slik na segmentacijo hiperspektralnih slik. Difuzni model dosega obetavne rezultate, vendar je zaradi dolgega časa inferenc manj primeren za realnočasovno detekcijo.[V. Vilec Letonja]20262026-04-03 16:45:26Magistrsko delo/naloga97703UDK: 004.932:004.85(043.2)COBISS_ID: 278525955sl