UAV imagery data and machine learning: A driving merger for predictive analysis of qualitative yield in sugarcane
PulseAugur coverage of UAV imagery data and machine learning: A driving merger for predictive analysis of qualitative yield in sugarcane — every cluster mentioning UAV imagery data and machine learning: A driving merger for predictive analysis of qualitative yield in sugarcane across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新方法增强了无人机塔架检查的零样本分割能力
研究人员开发了一种名为显著性-深度条件化（Saliency-Depth Conditioning）的新方法，以改进通信塔部件在杂乱无人机图像中的零样本分割。该方法结合了视觉显著性和单目相对深度来创建粗略的塔架先验，有效抑制了不相关的背景元素。当与 Grounded-SAM 和 Segment Anything Model 3 等现有模型集成后，增强版本 SD-Grounded-SAM 和 SD-SAM 3 在 TOW-300 数据集上…
-
GrabVG框架提升无人机图像中的视觉定位能力
研究人员推出GrabVG，一个专为无人机（UAV）图像视觉定位设计的新框架。该方法通过采用两阶段流程来应对密集、相似物体和模糊空间配置的挑战：预注意力假设搜索和图注意力特征绑定。系统首先生成物体假设，然后将它们组织成一个图，通过图注意力处理视觉线索和拓扑关系以实现精确的定位。在AerialVG和AerialSense数据集上的实验表明，GrabVG在准确性和速度方面显著优于现有基线。
-
新的DINOvTree模型可从无人机影像中估算树高和树种
研究人员开发了DINOvTree，这是一种从无人机影像中估算单株树高和树种的新方法。该方法利用了具有专用头的视觉基础模型骨干，可同时预测这些特征。DINOvTree在新推出的BIRCH-Trees基准上进行了评估，该基准包含来自温带、热带和北方森林环境的数据集。该方法表现强劲，实现了准确的高度预测和有竞争力的树种分类，同时使用的参数少于其他领先方法。