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.authorRyskova D.ru
dc.contributor.authorNikonorov A.ru
dc.contributor.authorMuzyka A.ru
dc.contributor.authorMakarov A.ru
dc.contributor.authorPirogov A.ru
dc.contributor.authorIvliev N.ru
dc.contributor.authorPodlipnov V.ru
dc.contributor.authorFirsov N.ru
dc.contributor.authorSkidanov R.ru
dc.coverage.spatialhyperspectral imagesru
dc.coverage.spatialconvolutional neural networksru
dc.coverage.spatialspectral-spatial classification of hyperspectral imagesru
dc.coverage.spatialгиперспектральные изображенияru
dc.coverage.spatialсверточные нейронные сетиru
dc.creatorRyskova D., Nikonorov A., Muzyka A., Makarov A., Pirogov A., Ivliev N., Podlipnov V., Firsov N., Skidanov R.ru
dc.date.accessioned2023-10-03 15:46:15-
dc.date.available2023-10-03 15:46:15-
dc.date.issued2023ru
dc.identifierRU\НТБ СГАУ\541339ru
dc.identifier.citationNeural 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.urihttp://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Neural-network-analysis-of-hyperspectral-images-of-soil-105735-
dc.description.abstractThe 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.isoengru
dc.relation.ispartofИнформационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6ru
dc.sourceИнформационные технологии и нанотехнологии (ИТНТ-2023). - Т. 4 : Искусственный интеллектru
dc.titleNeural network analysis of hyperspectral images of soilru
dc.typeTextru
dc.citation.spage041552ru
dc.citation.volume4ru
dc.textpartThen 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.pdf241.58 kBAdobe PDFПросмотреть/Открыть
Показать базовое описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.