SPIKE 数据集包含带有手动注释的地面实况标签的图像，用于训练和测试卷积神经网络以检测田间小麦的穗状花序。 此处提供的模型文件将与免费提供的 Microsoft Cognitive Toolkit 的 Faster R-CNN 实现一起使用，可在以下链接中找到 https://www.microsoft.com/en-us/cognitive-toolkit/ Futhermore，其他软件工具将很快可用，用于将模型与可执行程序一起使用，该程序需要更少的设置和更多的可视化步骤。
2021-11-14 19:31:33
323.44MB
1
Global-Wheat-Detection
比赛简介
比赛描述
为了获得有关全世界麦田的大量准确数据，植物科学家使用“小麦头”（包含谷物的植物上的穗）的图像检测。这些图像用于估计不同品种的小麦头的密度和大小。但是，在室外野外图像中进行准确的小麦头检测可能在视觉上具有挑战性。密集的小麦植株经常重叠，并且风会使照片模糊。两者都使得难以识别单头。此外，外观会因成熟度，颜色，基因型和头部方向而异。最后，由于小麦在世界范围内种植，因此必须考虑不同的品种，种植密度，样式和田间条件。为小麦表型开发的模型需要在不同的生长环境之间进行概括。当前的检测方法涉及一阶段和两阶段的检测器（Yolo-V3和Faster-RCNN），但是即使在使用大型数据集进行训练时，仍然存在对训练区域的偏倚。
The is led by nine research institutes from seven countries:
2021-11-07 09:52:27
15.1MB
1
基于Sentinel-2多光谱数据和机器学习算法的冬小麦LAI遥感估算.pdf
2021-09-25 17:02:32
5.64MB