Találati lista | Tudóstér

001-es BibID:	BIBFORM121657
Első szerző:	Abriha Dávid (geográfus)
Cím:	Mély konvolúciós neurális hálózat alkalmazása épület detektálásra kisszámú tanító adat felhasználásával / Abriha Dávid, Enyedi Péter, Papp Melitta, Kovács Lilla, Szabó Szilárd
Dátum:	2024
Megjegyzések:	We investigated the effectiveness of the U-Net architecture for building extraction from remote sensing data using varying numbers of training images. The results showed promising performance with a few training images (94?97% validation accuracy). However, combining different data sources initially yielded poor results, but the inclusion of a small number of target image training samples significantly improved the accuracy (F1 score increased from 0.184 to 0.693).
ISBN:	978-963-490-619-3
Tárgyszavak:	Természettudományok Földtudományok könyvfejezet könyvrészlet
Megjelenés:	Az elmélet és a gyakorlat találkozása a térinformatikában XV. / (szerk.)Abriha-Molnár Vanda Éva. - p. 7-14. -
További szerzők:	Enyedi Péter (1982-) (környezettudós) Papp Melitta Kovács Lilla (Msc hallgató) Szabó Szilárd (1974-) (geográfus)
Pályázati támogatás:	K138079 OTKA
Internet cím:	Szerző által megadott URL Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:

001-es BibID:	BIBFORM121623
Első szerző:	Papp Melitta
Cím:	Tetőfedő anyagok változásvizsgálata és osztályozása Python környezetben / Papp Melitta, Abriha Dávid
Dátum:	2024
Megjegyzések:	Geoinformatics is becoming increasingly important in all areas of life, helping to speed up many time-consuming tasks. In our research, we compared a WorldView-2 (WV2), WorldView-3 (WV3) satellite image and a hyperspectral aerial image for roof classification in the case of 4 categories: asbestos, red tiles, red bitumen and asbestos covered with red bitumen. We used Random Forest (RF) and Support Vector Machine (SVM) classifiers in Python. We also performed a change assessment for asbestos roofs between 2013 and 2019. The best results were obtained for asbestos (F1 scores above 93%). There were significant misclassifications for bitumen roofs. Although the number of asbestos roofs decreased over the period, in 40% of cases these roofs were simply covered with bitumen shingles rather than being replaced.
ISBN:	978-963-490-619-3
Tárgyszavak:	Természettudományok Földtudományok tanulmány, értekezés könyvrészlet
Megjelenés:	Az elmélet és a gyakorlat találkozása a térinformatikában XV. / Abriha-Molnár Vanda Éva szerk.. - p. 219-223. -
További szerzők:	Abriha Dávid (1995-) (geográfus)
Pályázati támogatás:	K138079 OTKA
Internet cím:	Szerző által megadott URL Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:

001-es BibID:	BIBFORM111485
Első szerző:	Papp Melitta
Cím:	WorldView-2 és WorldView-3 felvételek értékelése képosztályozáson keresztül / Papp Melitta, Szabó Szilárd, Abriha Dávid
Dátum:	2022
Megjegyzések:	Geoinformatics tends to be more important in every fields of life as it helps to speed up many time-consuming tasks. In our research, we compared a WorldView-2 (WV2) and a WorldView-3 (WV3) satellite image in a classification. The image classification aimed the identification of roofing materials and we used the Maximum Likelihood classifier. The F1-scores obtained from the confusion matrices were used to compare the accuracies. Our results showed that, in general, we obtained better accuracies using WV2, but in the case where we only classified different tile roofs, WV3 performed better.
ISBN:	978-963-615-039-6
Tárgyszavak:	Természettudományok Földtudományok előadáskivonat könyvrészlet
Megjelenés:	Az elmélet és a gyakorlat találkozása a térinformatikában XIII.: Theory meets practice in GIS / szerk. Abriha-Molnár Vanda Éva. - p. 255-259. -
További szerzők:	Szabó Szilárd (1974-) (geográfus) Abriha Dávid (1995-) (geográfus)
Pályázati támogatás:	TKP2020-NKA-04 Egyéb NKFIH K 138079 Egyéb
Internet cím:	Szerző által megadott URL Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon: