Detection of hunting pits using airborne laser scanning and deep learning
SND-ID: 2023-188. Version: 1. DOI: https://doi.org/10.5878/en98-1b29
Tillhörande dokumentation
Ladda ner alla filer
Citering
Alternativ titel
Training data for hunting pit detection
Skapare/primärforskare
William Lidberg
- Sveriges lantbruksuniversitet, Skogens ekologi och skötsel
Forskningshuvudman
Sveriges lantbruksuniversitet
- Skogens ekologi och skötsel
Diarienummer hos huvudman
SLU.seksko.2023.4.4.IÄ-2
Beskrivning
Datat från månen (1) användes för att förträna en maskininlärningsmodell och datat från jorden (2) användes för att träna modellen på att kartera fångstgropar på jorden. Demonstrationsområdet användes för att visuellt utvärdera resultatet.
All kod som används för att ta fram datat samt träna modellerna finns här: https://github.com/williamlidberg/Detection-of-hunting-pits-using-airborne-laser-scanning-and-deep-learning koden finns också i filen "code.zip"
Data innefattar personuppgifter
Nej
Språk
Analysenhet
Population
Digitaliserade fångstgropar
Urvalsmetod
Tidsperiod(er) som undersökts
2022-06-09 – Pågående
Variabler
11
Antal individer/objekt
2519
Dataformat / datastruktur
Arkeologisk undersökningstyp
Arkeologisk lämningstyp
Ansvarig institution/enhet
Skogens ekologi och skötsel
Övriga forskningshuvudmän
Forskningsområde
Datavetenskap (datalogi) (Standard för svensk indelning av forskningsämnen 2011)
Datorseende och robotik (autonoma system) (Standard för svensk indelning av forskningsämnen 2011)
Naturgeografi (Standard för svensk indelning av forskningsämnen 2011)
Geoteknik (Standard för svensk indelning av forskningsämnen 2011)
Historia (Standard för svensk indelning av forskningsämnen 2011)
Samhälle och kultur (INSPIRE topic categories)
Nyckelord
Kulturminnesvård, Maskininlärning, Lant- och skogsbruk, Kulturmiljö, Fjärranalys, Pit trap