新的MANGO数据集通过深度学习提升全球红树林分割能力

研究人员推出了MANGO，一个旨在通过深度学习改进红树林分割的新型全球数据集。该数据集通过提供来自2020年Sentinel-2影像的、覆盖124个国家的42,703个单日期影像-掩膜对，解决了现有资源的局限性。MANGO数据集旨在促进对作为减缓气候变化关键的红树林进行更可靠的监测和保护。同时，还提供了对各种语义分割架构的基准评估，为可扩展的全球红树林监测奠定基础。 AI

影响 增强了环境监测和保护工作的AI能力。

排序理由 该集群包含一篇详细介绍用于AI驱动图像分割的新数据集的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• Junhyuk Heo
• MANGO
• ScienceCast
• Sentinel-2

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →