|
ИСТИНА |
Войти в систему Регистрация |
Интеллектуальная Система Тематического Исследования НАукометрических данных |
||
Bayesian Aggregation Improves Traditional Single-Image Crop Classification Approachesстатья
Статья опубликована в высокорейтинговом журнале
Статья опубликована в журнале из списка Web of Science и/или Scopus- Авторы: Matvienko Ivan, Gasanov Mikhail, Petrovskaia Anna, Kuznetsov Maxim, Jana Raghavendra, Pukalchik Maria, Oseledets Ivan
- Журнал: Sensors
- Том: 22
- Номер: 22
- Год издания: 2022
- Издательство: MDPI
- Местоположение издательства: Basel, Switzerland
- Первая страница: 8600
- DOI: 10.3390/s22228600
- Аннотация: Machine learning methods are widely implemented for crop type recognition and classification based on satellite images. However, field classification is complicated by class imbalance and aggregation of pixel-wise into field-wise forecasting. We propose here a Bayesian methodology for the aggregation of classification results. We report the comparison of class balancing techniques. We also report the comparison of classical machine learning methods and the U-Net convolutional neural network for classifying crops using a single satellite image.
- Добавил в систему: Гасанов Михаил Эльдарович