Počet záznamů: 1
Using the U-Net-like deep convolutional neural networks for precise tree recognition in very high resolution RGB (red, green, blue) satellite images
- 1.
SYSNO ASEP 0547970 Druh ASEP J - Článek v odborném periodiku Zařazení RIV J - Článek v odborném periodiku Poddruh J Článek ve WOS Název Using the U-Net-like deep convolutional neural networks for precise tree recognition in very high resolution RGB (red, green, blue) satellite images Tvůrce(i) Korznikov, K. A. (RU)
Kislov, D. E. (RU)
Altman, Jan (BU-J) RID, ORCID
Doležal, Jiří (BU-J) RID, ORCID
Vozmishcheva, A. S. (RU)
Krestov, P. V. (RU)Číslo článku 66 Zdroj.dok. Forests. - : MDPI
Roč. 12, č. 1 (2021)Poč.str. 17 s. Jazyk dok. eng - angličtina Země vyd. CH - Švýcarsko Klíč. slova tree recognition ; machine learning ; convolutional neural network Vědní obor RIV EH - Ekologie - společenstva Obor OECD Ecology Způsob publikování Open access Institucionální podpora BU-J - RVO:67985939 UT WOS 000610224900001 EID SCOPUS 85099743219 DOI 10.3390/f12010066 Anotace In this study, we have demonstrated an example of the use of the DL algorithm, relying on the proposed U-Net-like CNN architecture for the recognition of particular tree species in high-resolution RGB satellite images. We showed that traditional pixel-based ML approaches are influenced by false-positive decisions when objects captured in satellite images have the same color composition as tree crowns. Pracoviště Botanický ústav Kontakt Martina Bartošová, martina.bartosova@ibot.cas.cz, ibot@ibot.cas.cz, Tel.: 271 015 242 ; Marie Jakšová, marie.jaksova@ibot.cas.cz, Tel.: 384 721 156-8 Rok sběru 2022 Elektronická adresa http://hdl.handle.net/11104/0324109
Počet záznamů: 1