MétaCan
Menu
Retour à la cohorte
Enregistrement W4387942370 · doi:10.11834/jrs.20233174

Integrating ensemble prediction constraints and error prediction entropy maximization for MLS point cloud classification

2023· article· en· W4387942370 sur OpenAlexaboutno aff
Xiangda Lei

Notice bibliographique

RevueNational Remote Sensing Bulletin · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceEntropy maximizationEntropy (arrow of time)Cloud computingPoint cloudEnsemble forecastingArtificial intelligenceData miningPrinciple of maximum entropyPhysics

Résumé

récupéré en direct d'OpenAlex

ç›®å‰ï¼Œè®¸å¤šæ·±åº¦å­¦ä¹ ç‚¹äº‘åˆ†ç±»æ–¹æ³•é€šè¿‡å¢žåŠ ç‚¹äº‘ç‰¹å¾èšåˆæ¨¡å—ï¼Œå¢žå¼ºç‚¹äº‘ç‰¹å¾çš„è¡¨è¾¾èƒ½åŠ›ã€‚ä½†è¯¥ç±»æ–¹æ³•å¾€å¾€ä¼šå¸¦æ¥è®­ç»ƒå‚æ•°å¢žåŠ ä»¥åŠæ¨¡åž‹è¿‡æ‹Ÿåˆçš„é—®é¢˜ã€‚é’ˆå¯¹è¯¥é—®é¢˜ï¼Œæœ¬æ–‡æå‡ºäº†ä¸€ä¸ªæ•´åˆé›†æˆé¢„æµ‹çº¦æŸä¸Žé”™è¯¯é¢„æµ‹ç†µæœ€å¤§åŒ–çš„æ·±åº¦å­¦ä¹ æ–¹æ³•ç”¨äºŽç§»åŠ¨æ¿€å ‰æ‰«æï¼ˆMobile Laser Scanning, MLSï¼‰ç‚¹äº‘åˆ†ç±»ã€‚æ–¹æ³•é€šè¿‡é›†æˆé¢„æµ‹çº¦æŸåˆ†æ”¯ä»¥åŠé”™è¯¯é¢„æµ‹ç†µæœ€å¤§åŒ–åˆ†æ”¯å¯ä»¥åœ¨ä¸å¢žåŠ è®­ç»ƒå‚æ•°çš„æƒ å†µä¸‹ï¼Œå¢žå¼ºåŸºçº¿ç½‘ç»œçš„ç‚¹äº‘ç‰¹å¾è¡¨è¾¾ï¼Œæé«˜æ¨¡åž‹æ³›åŒ–èƒ½åŠ›ã€‚å ¶ä¸­é›†æˆé¢„æµ‹çº¦æŸåˆ†æ”¯é¦–å ˆé€šè¿‡è®°å½•ç‚¹äº‘åœ¨è®­ç»ƒè¿‡ç¨‹ä¸­çš„é¢„æµ‹å€¼ï¼Œç”Ÿæˆé›†æˆé¢„æµ‹å€¼ï¼Œç„¶åŽé‡‡ç”¨ä¸€è‡´æ€§çº¦æŸå¢žå¼ºæ¨¡åž‹çš„ç‚¹äº‘ç‰¹å¾è¡¨è¾¾ã€‚é”™è¯¯é¢„æµ‹ç†µæœ€å¤§åŒ–æ–¹æ³•é¼“åŠ±æ¨¡åž‹å¯¹é”™è¯¯é¢„æµ‹ç‚¹è¿›è¡Œç†µå€¼æœ€å¤§åŒ–ï¼Œå¢žåŠ è¯¥ç‚¹çš„ä¸ç¡®å®šæ€§ï¼Œæé«˜æ¨¡åž‹çš„æ³›åŒ–èƒ½åŠ›ã€‚æ‰€ææ–¹æ³•åœ¨å¤šä¸ªå ¬å¼€MLSç‚¹äº‘æ•°æ®é›†ä¸Šè¿›è¡ŒéªŒè¯ï¼Œç»“æžœè¡¨æ˜Žæ‰€ææ–¹æ³•å¯ä»¥åœ¨ä¸å¢žåŠ è®­ç»ƒå‚æ•°çš„æƒ å†µä¸‹ï¼Œæé«˜åŸºçº¿æ–¹æ³•çš„åˆ†ç±»æ€§èƒ½ã€‚ä¸Žå¯¹æ¯”æ–¹æ³•ç›¸æ¯”ï¼Œæ‰€ææ–¹æ³•åœ¨Toronto3D、WHU-MLS、Paris数据集上获得了最优的平均交并比(83.68%、44.19%、65.85%),表明了方法的有效性。

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,901
Score d'incertitude au seuil0,739

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,263
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Remote Sensing BulletinMême sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207