20.500.12556/DKUM-97703 Hiperspektralno slikanje, difuzni modeli in modeli transformer za izboljšano detektiranje neeksplodiranih ubojnih sredstev magistrsko delo Hyperspectral imaging, diffusion and transformer models for improved detection of unexploded ordnance V 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. In this master’s thesis, we investigate the use of hyperspectral imaging in combination with diffusion models and Transformer-based models for the detection of unexploded ordnance (UXO). The dimensionality of hyperspectral data is reduced using PCA, and the processed data is then used as input for various deep learning architectures, including Vision Transformer, SegFormer, Swin Transformer, TransUNet, and diffusion models. Both binary and semantic segmentation of UXO objects are addressed. Model performance is evaluated on a publicly available dataset of 134 hyperspectral images acquired with a Specim IQ camera, using metrics commonly adopted in the research community. The best results are achieved by a fine-tuned SegFormer model, confirming the effectiveness of knowledge transfer from RGB image segmentation to hyperspectral image segmentation. The diffusion model shows promising results, but due to long inference times, it is less suitable for real-time applications. hiperspektralne slike neeksplodirana ubojna sredstva semantična segmentacija modeli Transformer difuzni modeli hyperspectral images unexploded ordnance semantic segmentation Transformers diffusion models true true false [V. Vilec Letonja] Slovenski jezik Angleški jezik Magistrsko delo/naloga 2026-04-03 16:45:26 2026-05-08 13:26:46 2026-05-19 03:11:07 0000-00-00 00:00:00 2026 0 Maribor 0 Maribor 1 spletni vir (1 datoteka PDF (IX, 51 str.)) 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 004.932:004.85(043.2) 278525955 MAG_Vilec_Letonja_Vid_2026.pdf MAG_Vilec_Letonja_Vid_2026.pdf 1 3BA138602616298A4E587E4DB1F8EF3C c7cc6f890f105fdc9f393633d1c2216da6ec5cc1786804a2cf63ef8b12f7661a 62cdfd9a-2f6f-11f1-9f9f-00155d0001a1 https://dk.um.si/Dokument.php?lang=slv&id=205034 Fakulteta za elektrotehniko, računalništvo in informatiko 0 0 0