EXTRACTION OF ROAD NETWORKS USING PAN-SHARPENED MULTISPECTRAL AND PANCHROMATIC QUICKBIRD IMAGES
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
Les methodes d'extraction routiere basees sur la classification multispectrale traditionnelle separent les routes des autres caracteristiques du sol selon les caracteristiques spectrales des pixels individuels. Pour faire usage des proprietes spatiales d'images satellitaires haute resolution, dans cet article, nous integrons l'information spectrale d'une image multispectrale a l'information spatiale d'une image panchromatique pour l'extraction routiere par une technique d'affinage global et un algorithme de reclassification basee sur les contours. Premierement, l'image multispectrale a faible resolution est fusionnee a l'image panchromatique a haute resolution. Ensuite, l'image affinee est classifiee pour determiner la classe de routes qui peut comprendre des objets non routiers. Les routes classifiees sont ensuite segmentees et reclassifiees a l'aide de l'information de la texture directionnelle de l'image des routes classifiees et de l'information sur les contours de l'image panchromatique. En utilisant la texture, le contour, la forme et la dimension, les objets non routiers, par exemple les petites entrees, les toitures des maisons et les parcs de stationnement peuvent etre enleves efficacement. Les evaluations de la qualite en milieu urbain montrent que l'integralite et la justesse des principales routes extraites quant a leur longueur sont meilleures que 90 % et 97 %, respectivement.
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