ISPRS-SHY – OPEN DATA COLLECTOR FOR SUPPORTING GROUND TRUTH REMOTE SENSING ANALYSIS
Notice bibliographique
Résumé
Abstract. The 2021 Scientific Initiatives in ISPRS funded this project called ISRS-SHY from “SHare mY ground truth”. It was intended as a collector of geographic data to support image analysis by sharing the necessary ground truth data needed for rigorous analysis. Regression and classification tasks that use remote sensing imagery necessarily require some control on the ground. The rationale behind this project is that often data on the ground is collected during projects, but is not valued by sharing across projects and teams globally. Internet has improved the way that data are shared, but there are still limitations related to discoverability of the data and its integrity. In other words, data are usually kept in local storage or, if in an accessible server, they are not documented and therefore they will not be picked up during search. In this initiative we created a portal using the Geonode environment to provide a hub for sharing data between research groups and openly to the community. The portal was then tested within the framework of three projects, with several participants each. The data that was uploaded and shared covered all types of geographic data formats and sizes. Further sharing was done in the context of teaching activities in higher education.The results show the importance of creating easy means to find data and share it across stakeholders. Qualitative results are discussed, and future steps will focus on quantitative assessment of the portal’s usage, e.g. number of registered users in time, number of visits, and other key performance indicators. The results of this project are to be considered also in light of the effort in the scientific community to make research data available, i.e. FAIR - Findability, Accessibility, Interoperability, and Reuse of digital assets.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,041 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,009 |
| Science ouverte | 0,003 | 0,012 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,026 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».