Дисбаланс классов при спутниковом картировании: редкие цели нуждаются в явной оценке
Дисбаланс классов возникает, когда одни классы занимают гораздо меньше выборок или площади, чем другие.
THE ITSENSING JOURNAL
Практические спутниковые обзоры, дистанционное зондирование метод и GIS рабочий процесс. Изучите науку, поймите пределы и доведите свой следующий проект до iT Sensing.

Дисбаланс классов возникает, когда одни классы занимают гораздо меньше выборок или площади, чем другие.
Модельный балл, фракция голосов и калиброванная вероятность — это разные величины.
Семантическая сегментация присваивает классы по пикселям изображения с использованием пространственного контекста.
Обнаружение объектов предсказывает местоположение и классы определенных объектов.
Регрессия оценивает непрерывную цель по изображениям и другим предикторам.
Важность функции описывает, как установленная модель использует предикторы при конкретном расчете.
Модель изменений сравнивает наблюдения или производные признаки во времени.
Подсчет классифицированных пикселей дает область карты в соответствии с решениями классификатора.
Модельный дрейф описывает изменение условий ввода или производительности после развертывания.
GeoTIFF объединяет растровые значения с геореференсами и соответствующими метаданными.
Cloud Optimized GeoTIFF организует изображения, чтобы совместимые клиенты могли запрашивать полезные диапазоны байтов и уровни обзора.
Пункт STAC описывает пространственно-временной актив, используя структуру на основе GeoJSON и ссылки на данные.
Никаких подходящих статей. Попробуйте другой поиск.