Using the U-Net-like deep convolutional neural networks for precise tree recognition in very high resolution RGB (red, green, blue) satellite images

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985939%3A_____%2F21%3A00547970" target="_blank" >RIV/67985939:_____/21:00547970 - isvavai.cz</a>

Výsledek na webu

<a href="http://hdl.handle.net/11104/0324109" target="_blank" >http://hdl.handle.net/11104/0324109</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.3390/f12010066" target="_blank" >10.3390/f12010066</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Using the U-Net-like deep convolutional neural networks for precise tree recognition in very high resolution RGB (red, green, blue) satellite images

Popis výsledku v původním jazyce

In this study, we have demonstrated an example of the use of the DL algorithm, relying on the proposed U-Net-like CNN architecture for the recognition of particular tree species in high-resolution RGB satellite images. We showed that traditional pixel-based ML approaches are influenced by false-positive decisions when objects captured in satellite images have the same color composition as tree crowns.

Název v anglickém jazyce

Using the U-Net-like deep convolutional neural networks for precise tree recognition in very high resolution RGB (red, green, blue) satellite images

Popis výsledku anglicky

In this study, we have demonstrated an example of the use of the DL algorithm, relying on the proposed U-Net-like CNN architecture for the recognition of particular tree species in high-resolution RGB satellite images. We showed that traditional pixel-based ML approaches are influenced by false-positive decisions when objects captured in satellite images have the same color composition as tree crowns.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10618 - Ecology

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2021

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Forests

ISSN

1999-4907

e-ISSN

1999-4907

Svazek periodika

12

Číslo periodika v rámci svazku

1

Stát vydavatele periodika

CH - Švýcarská konfederace

Počet stran výsledku

17

Strana od-do

66

Kód UT WoS článku

000610224900001

EID výsledku v databázi Scopus

2-s2.0-85099743219