Détail de l'auteur
Auteur Neema Nicodemus Lyimo |
Documents disponibles écrits par cet auteur (1)
Ajouter le résultat dans votre panier Affiner la recherche Interroger des sources externes
Quality assessment of heterogeneous training data sets for classification of urban area with Landsat imagery / Neema Nicodemus Lyimo in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 5 (May 2021)
[article]
Titre : Quality assessment of heterogeneous training data sets for classification of urban area with Landsat imagery Type de document : Article/Communication Auteurs : Neema Nicodemus Lyimo, Auteur ; Fang Luo, Auteur ; Qimin Cheng, Auteur ; Hao Peng, Auteur Année de publication : 2021 Article en page(s) : pp 339-348 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées
[Termes IGN] appariement d'images
[Termes IGN] distance euclidienne
[Termes IGN] données d'entrainement (apprentissage automatique)
[Termes IGN] données hétérogènes
[Termes IGN] données localisées des bénévoles
[Termes IGN] données massives
[Termes IGN] données ouvertes
[Termes IGN] image Landsat
[Termes IGN] incertitude des données
[Termes IGN] jeu de données localisées
[Termes IGN] qualité des données
[Termes IGN] système à base de connaissances
[Termes IGN] zone urbaineRésumé : (Auteur) Quality assessment of training samples collected from heterogeneous sources has received little attention in the existing literature. Inspired by Euclidean spectral distance metrics, this article derives three quality measures for modeling uncertainty in spectral information of open-source heterogeneous training samples for classification with Landsat imagery. We prepared eight test case data sets from volunteered geographic information and open government data sources to assess the proposed measures. The data sets have significant variations in quality, quantity, and data type. A correlation analysis verifies that the proposed measures can successfully rank the quality of heterogeneous training data sets prior to the image classification task. In this era of big data, pre-classification quality assessment measures empower research scientists to select suitable data sets for classification tasks from available open data sources. Research findings prove the versatility of the Euclidean spectral distance function to develop quality metrics for assessing open-source training data sets with varying characteristics for urban area classification. Numéro de notice : A2021-366 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.87.5.339 Date de publication en ligne : 01/05/2021 En ligne : https://doi.org/10.14358/PERS.87.5.339 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97695
in Photogrammetric Engineering & Remote Sensing, PERS > vol 87 n° 5 (May 2021) . - pp 339-348[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 105-2021051 SL Revue Centre de documentation Revues en salle Disponible