实体
Mohammadreza Narimani
Mohammadreza Narimani
PulseAugur coverage of Mohammadreza Narimani — every cluster mentioning Mohammadreza Narimani across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的AI工作流程使用卫星影像和SAM 3绘制农田范围
研究人员开发了一种新的工作流程，使用1米NAIP影像来绘制农田范围和边界。该方法结合了使用Dice主导损失训练的残差U-Net模型和文本提示的Segment Anything Model (SAM 3)。该方法取得了高精度，组合模型在果园行和碎片化地块等具有挑战性的数据集上显示出显著的改进。由此产生的语义农田范围层可以在现有地块地图不足的情况下支持农业监测。
-
神经网络高精度预测葡萄叶片光谱反射率
研究人员开发了一种新的多头注意力神经网络来预测葡萄叶片的光谱反射率。该模型在一个包含16个叶片性状的特定数据集上进行训练，取得了0.84的决定系数（R^2）和1.52%的归一化均方根误差（NRMSE）。与传统的PROSPECT-PRO模型相比，它在近红外（NIR）和短波红外（SWIR）区域表现出更高的准确性，为农业遥感应用提供了更稳健的框架。
-
深度学习利用 AlphaEarth 嵌入绘制加州番茄图
研究人员开发了一种新方法，利用 Google DeepMind 的 AlphaEarth 地理空间嵌入和深度学习 U-Net 模型来绘制加利福尼亚的番茄种植系统图。这种方法消除了手动特征工程的需要，而手动特征工程在以前的遥感工作流程中很常见。该模型在独立测试集上实现了高精度，像素精度、精确率、召回率和 F1 分数均超过 99%。模型生成的置信度图在田地边缘附近最高，表明田地内部的预测是可靠的。