Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Field Crops Classiffcation Using Sentinel-2 Satellite Image Data

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F21%3A00353105" target="_blank" >RIV/68407700:21340/21:00353105 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://gams.fjfi.cvut.cz" target="_blank" >https://gams.fjfi.cvut.cz</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Field Crops Classiffcation Using Sentinel-2 Satellite Image Data

  • Popis výsledku v původním jazyce

    Sentinel-2 mission, developed and operated by European Space Agency (ESA), is designed to provide high-resolution image data over land and coastal waters, which are further used for a multitude of applications, such as agricultural monitoring. Acquired data by the Sentinel-2 satellite are publicly available under the Copernicus Programme and can be accessed straightforwardly. In addition, we are provided with annotated maps of agricultural fields, which can be used as ground truth data. These maps include the location and additional speciffcation of fields and crops grown on the field. In this paper, we are interested in field crop classiffcation within the specified region. Aforementioned Sentinel-2 satellite image data and field labels are therefore combined to provide a dataset. This dataset can be then utilized by the classifier. For this cause, convolutional neural networks are used, as they have shown outstanding results of image classiffcation over the past years.

  • Název v anglickém jazyce

    Field Crops Classiffcation Using Sentinel-2 Satellite Image Data

  • Popis výsledku anglicky

    Sentinel-2 mission, developed and operated by European Space Agency (ESA), is designed to provide high-resolution image data over land and coastal waters, which are further used for a multitude of applications, such as agricultural monitoring. Acquired data by the Sentinel-2 satellite are publicly available under the Copernicus Programme and can be accessed straightforwardly. In addition, we are provided with annotated maps of agricultural fields, which can be used as ground truth data. These maps include the location and additional speciffcation of fields and crops grown on the field. In this paper, we are interested in field crop classiffcation within the specified region. Aforementioned Sentinel-2 satellite image data and field labels are therefore combined to provide a dataset. This dataset can be then utilized by the classifier. For this cause, convolutional neural networks are used, as they have shown outstanding results of image classiffcation over the past years.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10103 - Statistics and probability

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2021

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    SPMS 2020/21 Stochastic and Physical Monitoring Systems, Proceedings of the international conferences

  • ISBN

    978-80-01-06922-6

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    4

  • Strana od-do

    61-64

  • Název nakladatele

    České vysoké učení technické v Praze

  • Místo vydání

    Praha

  • Místo konání akce

    Malá Skála

  • Datum konání akce

    24. 6. 2021

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku