THE EFFECT OF FOUR NEW MULTISPECTRAL BANDS OF WORLDVIEW2 ON IMPROVING URBAN LAND COVER CLASSIFICATION
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Conventional VHR imagery provides four multispectral (MS) bands. Built-up and traffic areas, however, are spectrally too similar to be distinguished using exclusively the spectral information of VHR imagery. The recently available WorldView2 (WV2) imagery introduces four new MS bands in addition to the four standard MS bands. This rich amount of spectral information together with the very high spatial resolution of WV2 imagery provides the potential for more robust and accurate discrimination between impervious land cover types. This paper aims to explore the contribution of the four newly added MS bands of WV2 imagery to increasing the class-pair separability of urban impervious land covers and consequently classification accuracy. For this, several object-based spectral and textural features of two data sets are extracted. The first data set consist of four standard MS bands, while the second one includes all eight MS bands of WV2. Then, a class-pair separability analysis is conducted to assess the contribution of new bands in discriminating different classes. Finally, the image is classified using each set of data separately. The effect of four new bands on land cover classification is evaluated by accuracy assessment of the results. Results demonstrate that the new four bands of WV increase the overall accuracy by 21.5 %. However, it is found that these new four bands will not have a significant effect on classification accuracy if additional textural and, specially, spectral feature of segmented image are utilized in the classification process.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle