AI-oversat
STELAR Tech Brief nr. 5: Bias-bevidst klassificering af afgrøder
Forbedrer klassificeringen af vinterafgrøder ved hjælp af 3D U-Net-ensembler og LAI-data med bias-bevidst rum-tidsmæssig segmentering
eller
Detaljeret beskrivelse
Rum-tidsbaseret 3D U-Net-ensemble-model til klassificering af afgrødetyper ved hjælp af LAI fra satellitbilleder, der tager højde for ubalance mellem klasser, skydække og sæsonudsving. Modellen er trænet på EuroCrops-datasættet med vægtet tab og sjældenhedsbevidst stikprøveudtagning, hvilket har resulteret i forbedrede IoU- og F1-scorer på 11.000 eksempler. En del af EU’s Horizon Europe-projekt STELAR (bevillings-ID: 101070122), der har til formål at forbedre overvågningen af landbruget og fødevaresikkerheden.
1/1
eller
Detaljerede oplysninger om bidrag
- Projekt
- Placering
- Germany
- Forfattere
- Chethan Krishnamurthy Ramanaik
- Formål
- Communication, Dissemination
- Filtype
- dokument
- Oprettet den
- 20. feb. 2025
- Oprindelsessprog
- English
- Officielt projektwebsted
- STELAR
- Licens
- Other
- Nøgleord
- Temaer