Mei, Qipeng ; Steier, Janik ; Iwaszczuk, Dorota
Hrsg.: Kersten, Thomas P. (2024)
Integration approach for manual generated single tree crown annotations.
44. Wissenschaftlich-Technische Jahrestagung der DGPF. Remagen (13.03.2024 -14.03.2024)
doi: 10.24407/KXP:1885293771
Konferenzveröffentlichung, Bibliographie
Kurzbeschreibung (Abstract)
For an accurate mapping of forest stands, precise object detection at the individual tree level is necessary. Currently, supervised deep learning models dominate this task. To train a reliable model, it is crucial to have a robust model and an accurate tree crown annotation dataset. The current method for generating these datasets still relies on manual annotation. However, the tree crowns exhibit intricate contours. In some instances, trees intersect with each other, and their spatial arrangement is irregular. This leads to inaccurate and incomplete quantity annotations, including the inclusion of multiple tree crowns in a single annotation. Therefore, this study explores a novel approach that integrates the annotations of multiple annotators for the same region of interest and can reduce annotation inaccuracies due to personal preference and bias.
Typ des Eintrags: | Konferenzveröffentlichung |
---|---|
Erschienen: | 2024 |
Herausgeber: | Kersten, Thomas P. |
Autor(en): | Mei, Qipeng ; Steier, Janik ; Iwaszczuk, Dorota |
Art des Eintrags: | Bibliographie |
Titel: | Integration approach for manual generated single tree crown annotations |
Sprache: | Englisch |
Publikationsjahr: | März 2024 |
Ort: | Stuttgart |
Verlag: | Geschäftsstelle der DGPF |
Buchtitel: | DGPF-Jahrestagung 2024: Stadt, Land, Fluss - Daten vernetzen : Beiträge |
Reihe: | Publikationen der Deutschen Gesellschaft für Photogrammetrie, Fernerkundung und Geoinformation e.V. |
Band einer Reihe: | 32 |
Veranstaltungstitel: | 44. Wissenschaftlich-Technische Jahrestagung der DGPF |
Veranstaltungsort: | Remagen |
Veranstaltungsdatum: | 13.03.2024 -14.03.2024 |
DOI: | 10.24407/KXP:1885293771 |
Zugehörige Links: | |
Kurzbeschreibung (Abstract): | For an accurate mapping of forest stands, precise object detection at the individual tree level is necessary. Currently, supervised deep learning models dominate this task. To train a reliable model, it is crucial to have a robust model and an accurate tree crown annotation dataset. The current method for generating these datasets still relies on manual annotation. However, the tree crowns exhibit intricate contours. In some instances, trees intersect with each other, and their spatial arrangement is irregular. This leads to inaccurate and incomplete quantity annotations, including the inclusion of multiple tree crowns in a single annotation. Therefore, this study explores a novel approach that integrates the annotations of multiple annotators for the same region of interest and can reduce annotation inaccuracies due to personal preference and bias. |
Fachbereich(e)/-gebiet(e): | 13 Fachbereich Bau- und Umweltingenieurwissenschaften 13 Fachbereich Bau- und Umweltingenieurwissenschaften > Institut für Geodäsie 13 Fachbereich Bau- und Umweltingenieurwissenschaften > Institut für Geodäsie > Fernerkundung und Bildanalyse |
Hinterlegungsdatum: | 18 Jun 2024 05:17 |
Letzte Änderung: | 01 Jul 2024 08:46 |
PPN: | 519475704 |
Export: | |
Suche nach Titel in: | TUfind oder in Google |
![]() |
Frage zum Eintrag |
Optionen (nur für Redakteure)
![]() |
Redaktionelle Details anzeigen |