Отрывок: Then the process of setting up the future “collector” of the final result begins. All results of binary models are sorted from the worst model (f1-score acts as a metric) to the best. The best models IX Международная конференция и молодёжная школа «Информационные технологии и нанотехнологии» (ИТ...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Ryskova D. | ru |
dc.contributor.author | Nikonorov A. | ru |
dc.contributor.author | Muzyka A. | ru |
dc.contributor.author | Makarov A. | ru |
dc.contributor.author | Pirogov A. | ru |
dc.contributor.author | Ivliev N. | ru |
dc.contributor.author | Podlipnov V. | ru |
dc.contributor.author | Firsov N. | ru |
dc.contributor.author | Skidanov R. | ru |
dc.coverage.spatial | hyperspectral images | ru |
dc.coverage.spatial | convolutional neural networks | ru |
dc.coverage.spatial | spectral-spatial classification of hyperspectral images | ru |
dc.coverage.spatial | гиперспектральные изображения | ru |
dc.coverage.spatial | сверточные нейронные сети | ru |
dc.creator | Ryskova D., Nikonorov A., Muzyka A., Makarov A., Pirogov A., Ivliev N., Podlipnov V., Firsov N., Skidanov R. | ru |
dc.date.accessioned | 2023-10-03 15:46:15 | - |
dc.date.available | 2023-10-03 15:46:15 | - |
dc.date.issued | 2023 | ru |
dc.identifier | RU\НТБ СГАУ\541339 | ru |
dc.identifier.citation | Neural network analysis of hyperspectral images of soil / D. Ryskova, A. Nikonorov, A. Muzyka[и др.] // Информационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6 т. / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - Фил. Федер. науч.-исслед. центра "Кристаллография и фотоника" Рос. акад. наук. - Самара : Изд-во Самар. ун-та, 2023Т. 4: Искусственный интеллект / под. ред. А. В. Никонорова. - 2023. - С. 041552. | ru |
dc.identifier.uri | http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Neural-network-analysis-of-hyperspectral-images-of-soil-105735 | - |
dc.description.abstract | The article approaches to the classification of high-resolution hyperspectral images in the problem of classification of soil species is proposed. A spectral-spatial convolutional neural network with compensation for lighting variations is used as a classifier. The effectiveness of the proposed approach in the problem of classification of hyperspectral images of soils obtained by a scanning hyperspectral camera is shown. The essence of the developed method is to use binary classification together with multiclass, thereby improving the result of the latter. | ru |
dc.language.iso | eng | ru |
dc.relation.ispartof | Информационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6 | ru |
dc.source | Информационные технологии и нанотехнологии (ИТНТ-2023). - Т. 4 : Искусственный интеллект | ru |
dc.title | Neural network analysis of hyperspectral images of soil | ru |
dc.type | Text | ru |
dc.citation.spage | 041552 | ru |
dc.citation.volume | 4 | ru |
dc.textpart | Then the process of setting up the future “collector” of the final result begins. All results of binary models are sorted from the worst model (f1-score acts as a metric) to the best. The best models IX Международная конференция и молодёжная школа «Информационные технологии и нанотехнологии» (ИТ... | - |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
978-5-7883-1920-9_2023-041552.pdf | 241.58 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.