Tables nan Lès Abstraksyon ak 1 entwodiksyon 
 
 
 
 Materyèl ak Metòd Rezilta ak diskisyon Konklizyon ak referans 3 Rezilta ak diskisyon Sepandan, rezilta yo te jwenn lè l sèvi avèk piblikman disponib TreeLearn checkpoint san yo pa plis fòmasyon sèvi kòm yon baz (Tablo 3). Menm lè fini-tuning modèl la ak soti nan-de-domain done done (UAV, coniferous dominated), pèfòmans enstans segman sou enstans la konpare ak pèfòmans nan F1 pwensipalman ogmante anpil soti nan 93.98% nan 96.25%. Nan jaden an nan deteksyon an arbre (yon sèl FP) ak segman semantik (99.41%), modèl la fini-tune pèfòmans yon ti kras pi mal pase baz la. Sepandan, aspè sa yo se mwens ki enpòtan konpare ak enstans segman pèfòmans nan F1 pwensipalman. Pou egzanp, F 4 Konklizyon Nan dokiman sa a, nou te fòme metòd la segman an arbr ki baze sou aprantisaj fondamantal TreeLearn ak done ki soti nan divès domèn ak sistematikman evalye pèfòmans tès li yo. Li te montre ke yon modèl fòme sou deyò-de-domèn coniferous domineous UAV nwaj pwen ka generalize nan deciduous dom endike MLS nwaj pwen done. Rezilta bon jan kalite montre ke fòmasyon sèlman ak done segondè-rezolisyon, sepandan amelyore pèfòmans nan domèn sa a, mennen nan mal generalization nan enstalasyon segman UAV ki ba-rezolisyon (Fig. 2). Anplis de done UAV ki gen ladan done segondè-rezolisyon pandan fòmasyon an elimine pwoblèm sa a. Sa a enpòtan nan yon baz done fòmasyon lajè pou jwenn modèl ki aplike nan yon varyete lajè de domèn. Pou enrichir nwaj pwen woulman ki disponib, done anbake ti bebe soti nan travay anvan yo te pwopriyete nan tout nwaj la pwen woulman ak disponib piblikman nan https://doi.org/10.25625/QUTUWU. Depi, yon karakterizasyon Rezilta a nan etid sa a ka konsidere kòm yon dokiman preliminè pou potansyèl la nan aprantisaj fondamantal pou jwenn metòd segmanasyon anvan tout jeneral. Pandan ke metòd sa yo depann sou bon jan kalite segondè-etikèt done forè, anpil travay dènye te rekonèt nesesite sa a pa bay yon seri done piblikman disponib. Akòz devlopman rapid nan metòd aprantisaj fondamantal ak disponiblite nan plis ak plis ak pi bon jan kalite done etikèt, nou espere segman an forè ki baze sou aprantisaj fondamantal vin yon zouti pi fò. An kontrèman ak metòd tradisyonèl segmanasyon, metòd sa yo kapab aprann règleman segmanasyon pou nwaj pwen forè ak karakteristik divès kalite nan yon fason ki baze sou done, ak sa ki elimine bezwen an Referans Andrew Burt, Mathias Disney, ak Kim Calders. Ekstraksyon anplwaye endividyèl soti nan nwaj pwen lidar lè l sèvi avèk treeseg. Metòd Ekol. Evol., 10(3):438–445, 2019. doi: https://doi.org/10.1111/ 2041-210x.13121. Kim Calders, Hans Verbeeck, Andrew Burt, Niall Origo, Joanne Nightingale, Yadvinder Malhi, Phil Wilkes, Pasi Raumonen, Robert GH Bunce, ak Mathias Disney. Scanning lazè revele potansyèl sous-estimasyon nan kabòn nan biomass nan forè temperè. Solisyon ekolojik ak Evidans, 3(4): e12197, 2022. GreenValley Entènasyonal. Lidar360 pwen nwaj pwogram post-prosesis, 2022. URL https: //greenvalleyintl.com/LiDAR360. Aksè: 26.10.2022. Jonathan Henrich, Jan van Delden, Dominik Seidel, Thomas Kneib, ak Alexander Ecker. Treelearn: Yon metòd konplè nan aprantisaj fondamantal pou segman anviwònman yo soti nan nwaj pwen forè. arXiv preprint arXiv:2309.08471, 2023. Li Jiang, Hengshuang Zhao, Shaoshuai Shi, Shu Liu, Chi-Wing Fu, ak Jiaya Jia. Gwoup pwen: Dualset pwen gwouping pou segman enstans 3d. Nan Proc. IEEE/CVF konf. òdinatè. vis. Pattern rekonèt., p. 4867–4876, 2020. doi: https://doi.org/10.1109/cvpr42600.2020.00492. Karel Kuzelka, Martin Slavık, ak Peter Surovy. Nwa pwen trè segondè-pwoteksyon soti nan uav lazè 'scan pou deteksyon otomatik tiyo ak metòd dirèkteman dyamèt. Remote Sensing, 12 (8):1236, 2020. Ilya Loshchilov ak Frank Hutter. Sgdr: Stochastic gradient descent ak chalè restarts, 2016. Ilya Loshchilov ak Frank Hutter. Deskripsyon regilye nan pèdi pwa, 2017. Stefano Puliti, J Paul McLean, Nicolas Cattaneo, Carolin Fischer, ak Rasmus Astrup. Estimation nan wout-gwo trajectory lè l sèvi avèk yon sèl-temporal uav lazè scanning done ak aprantisaj. Forestry, 96(1):37-48, 2023a. Stefano Puliti, Grant Pearse, Peter Surovy, Luke Wallace, Markus Hollaus, Maciej Wielgosz, ak ` Rasmus Astrup. Pou egzanp: yon koupe lazè uav benchmark dataset pou semantik ak enstans segman an nan plant endividyèl yo. arXiv prepr. arXiv:2309.01279, 2023b. doi: https://doi.org/10. 1109/ccdc52312.2021.9602282. Charles R Qi, Or Litany, Kaiming He, ak Leonidas J Guibas. Votasyon debaz pou deteksyon objè 3d nan nwaj pwen. Nan proc. IEEE/CVF Int. Conf. Comput. Vis., p. 9277–9286, 2019. doi: https://doi.org/10.1109/iccv.2019.00937. Andreas Tockner, Christoph Gollob, Ralf Kraßnitzer, Tim Ritter, ak Arne Nothdurft. Segmentasyon otomatik nan koron an arbr lè l sèvi avèk nwaj pwen pwen woulib soti nan pèsonèl lasè (pls). Int. J. Appl. Zòn Obs. Geoinformation, 114:103025, 2022. doi: https://doi.org/10.1016/j.jag.2022. 103025. Jan Trochta, Martin Krcek, Tomas Vrska, ak Kamil Kral. 3D Forè: Yon aplikasyon pou deskripsyon nan estrikti forè twa-dimansyon lè l sèvi avèk terrestris LiDAR. PloS youn, 12(5):e0176871, 2017. doi: https://doi.org/10.1371/journal.pone.0176871. Thang Vu, Kookhoi Kim, Tung M Luu, Thanh Nguyen, ak Chang D Yoo. Softgroup pou segmanasyon enstans 3d sou nwaj pwen. Nan Proc. IEEE/CVF Conf. Comput. Vis. Pattern Recognit., p. 2708–2717, 2022. doi: https://doi.org/10.1109/cvpr52688.2022.00273. Martin Wieser, Gottfried Mandlburger, Markus Hollaus, Johannes Otepka, Philipp Glira, ak Norbert Pfeifer. Yon etid ka nan tès la lazè ki te pote soti nan UAS pou mas nan dyamèt tete a. Remote Sensing, 9(11):1154, 2017. B Xiang, T Peters, T Kontogianni, F Vetterli, S Puliti, R Astrup, ak K Schindler. Nan direksyon pou segmanasyon egzak enstans nan nwaj pwen gwo lidar. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 10:605-612, 2023. doi: https://doi.org/10. 5194/isprs-annals-X-1-W1-2023-605-2023. 
 
 
 
 Autè yo: (1) Jonathan Henrich, Chairman of Statistics and Econometrics, Fakilte nan Ekonomi, Inivèsite a nan Gottingen, Almay (jonathan.henrich@uni-goettingen.de) (2) Jan van Delden, Enstiti nan Syans òdinatè, Inivèsite nan Gottingen Almay (jan.vandelden@uni-goettingen.de). Authors: (1) Jonathan Henrich, Chairman of Statistics and Econometrics, Fakilte nan Ekonomi, Inivèsite a nan Gottingen, Almay (jonathan.henrich@uni-goettingen.de) (2) Jan van Delden, Enstiti nan Syans òdinatè, Inivèsite nan Gottingen Almay (jan.vandelden@uni-goettingen.de). 
 
 Papye sa a se disponib sou archiv anba lisans CC by-SA 4.0 Deed (Attribution-Sharealike 4.0 entènasyonal). Papye sa a se anba CC by-SA 4.0 Deed (Attribution-Sharealike 4.0 entènasyonal) lisans. Disponib nan dosye Disponib nan dosye

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Instancing.TECH

Pioneering instance management, driving innovative solutions for efficient resource utilization, and enabling a more sus

Instancing's blog

Odyo sa a pwodui nan lang orijinal istwa a!

AI Just Gade pi bon nan kontan fwi

About Author

KÒMANtè

KANDYE TAGS

ATIK SA A TE PREZANTE NAN

Related Stories

Code Smell 260 - Crowdstrike NULL

The Role of Pathos, Logos, and Ethos in Business Storytelling... and John Mulaney

Meet the Writer: HackerNoon's Contributor Konstantin Malkov - Product Manager

It's Gonna Be May... a New Mobile App Update, Pixelated Avatars, Revamped Story Pages and More

Code Smell 260 - Crowdstrike NULL

The Role of Pathos, Logos, and Ethos in Business Storytelling... and John Mulaney

Meet the Writer: HackerNoon's Contributor Konstantin Malkov - Product Manager

It's Gonna Be May... a New Mobile App Update, Pixelated Avatars, Revamped Story Pages and More

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps