spanskiduh
/
diplomska-text
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity

Popravi reference na slike

main
Gašper Spagnolo 2023-08-31 15:39:31 +02:00
parent 9681167552
commit 4c169684f1
No known key found for this signature in database
GPG Key ID: 2EA0738CC1EFEEB7
2 changed files with 6 additions and 4 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

BIN
diploma.pdf
View File

Binary file not shown.

10
diploma.tex
View File

@ -1502,7 +1502,8 @@ Pogoji eksperimenta so bili naslednji:
\label{fig:sat_drone}
\end{figure}
Eksperimenti so bili izvedeni z različnimi velikostmi oken, da bi ugotovili njihov vpliv na uspešnost modela. Primeri so prikazani na slikah \ref{fig:heatmaps3d_1} in \ref{fig:heatmaps3d_2}. Podatki kažejo na optimalno ravnovesje med velikostjo oken in natančnostjo modela.
Eksperimenti so bili izvedeni z različnimi velikostmi oken, da bi ugotovili njihov vpliv na uspešnost modela. Primeri so prikazani na slikah \ref{fig:heatmaps3d_1}, \ref{fig:heatmaps3d_2}, \ref{fig:heatmaps3d_3}, \ref{fig:heatmaps3d_4} in \ref{fig:heatmaps3d_5}.
Podatki kažejo na optimalno ravnovesje med velikostjo oken in natančnostjo modela.
Najboljše uspešnosti so bile dosežene z okni velikosti 31 in 33. Te velikosti sovpadajo s priporočili iz literature, kjer je bila optimalna velikost okna določena na 33 \cite{wang2023wamf}.
Čeprav imajo nekatera druga okna boljšo vrednost kriterijske funkcije (vidno na sliki \ref{fig:plot_different_hann_kernels}), je analiza slik pokazala, da je najmanj šuma prav pri oknih velikosti 31 in 33.
@ -1517,7 +1518,6 @@ Zaključimo lahko, da je izbira prave velikosti Hanningovega okna ključna za do
\label{fig:plot_different_hann_kernels}
\end{figure}
\todo{Treba preverit ce je zdej kul}
\begin{figure}[H]
\centering
\includegraphics[width=0.55\textwidth]{./img/heatmaps3d_1.png}
@ -1686,8 +1686,10 @@ Spodaj so izpostavljene naše glavne ugotovitve in predlogi:
\item \textbf{Optimizacija združevanja značilnosti}:
Med našo analizo smo opazili, da bi lahko del združevanja značilnosti optimizirali z uporabo metode pozornosti, kar bi omogočilo še boljše ujemanje med slikami zajetimi z brezpilotnim letalnikom in satelitskimi slikami.
\item \textbf{Iskanje pripadajoče satelitske slike}:
Ena od glavnih težav, s katerimi se metoda še vedno sooča, je identifikacija prave satelitske slike, ki ustreza sliki posnti z brezpilotnim letalnikom.
To predstavlja izziv, še posebej v bazah z milijoni slik, in je eno od področij, ki zahteva nadaljnje raziskave.
Ena od glavnih težav, s katerimi se metoda še vedno sooča, je identifikacija prave satelitske slike, ki ustreza sliki posneti z brezpilotnim letalnikom.
To predstavlja izziv, še posebej v bazah z milijoni slik, in je eno od področij, ki zahteva nadaljnje raziskave.
Poskusili smo to implementirati, vendar je na žalost zmanjkalo časa.
Kljub temu obstaja potencial za integracijo te metode z obstoječimi senzorji na brezpilotnem letalniku za izboljšanje lokalizacije.
\item \textbf{Raziskava različnih kriterijskih funkcij}:
V okviru naše analize smo preizkusili več kriterijskih funkcij, vključno s Hanningovo kriterijsko funkcijo, Gaussovo uteženo srednjo kvadratno napako, Hanningovo uteženo srednjo kvadratno napako ter križno uteženo srednjo kvadratno napako.
Rezultati so pokazali, da je Hanningova kriterijska funkcija izstopala kot najbolj učinkovita med vsemi preizkušenimi.