Klassenungleichgewicht bei Satelliten-Mapping: Seltene Ziele benötigen Explicit Evaluation
Klassenungleichgewicht tritt auf, wenn einige Klassen weit weniger Proben oder Flächen als andere besetzen.
THE ITSENSING JOURNAL
Praktische Satelliten-Bewertungen, Fernerkundung Methoden und GIS Workflow. Erkunden Sie die Wissenschaft, verstehen Sie die Grenzen und nehmen Sie Ihr nächstes Projekt in iT Sensing.

Klassenungleichgewicht tritt auf, wenn einige Klassen weit weniger Proben oder Flächen als andere besetzen.
Eine Modellscore, Stimmenfraktion und kalibrierte Wahrscheinlichkeit sind unterschiedliche Mengen.
Semantische Segmentierung ordnet Klassen über Bildpixel unter räumlichem Kontext zu.
Objekterkennung prognostiziert Orte und Klassen definierter Objekte.
Regression schätzt ein kontinuierliches Ziel von Bildmaterial und anderen Vorhersagen.
Eine besondere Bedeutung beschreibt, wie ein angepasstes Modell unter einer bestimmten Berechnung Vorhersagen verwendet.
Ein Change-Modell vergleicht Beobachtungen oder abgeleitete Funktionen über die Zeit hinweg.
Die Zählung von klassifizierten Pixeln gibt Kartenbereich unter den Entscheidungen des Klassifikators.
Modelldrift beschreibt wechselnde Eingabe- oder Leistungsbedingungen nach der Bereitstellung.
GeoTIFF kombiniert Rasterwerte mit Georeferencing und verwandten Metadaten.
Eine Cloud Optimized GeoTIFF organisiert die Bildsprache, so dass kompatible Clients nützliche Byte-Bereiche und Übersichtsebenen anfordern können.
Ein STAC Item beschreibt einen Spatiotemporal-Asset mit einer GeoJSON-basierten Struktur und Links zu Daten.
Keine passenden Artikel. Versuchen Sie eine andere Suche.