दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

शहरी और उपनगरीय क्षेत्रों में वृक्ष बिंदुओं को निकालने के लिए मल्टीस्पेक्ट्रल LiDAR डेटा

Created by
  • Haebom

लेखक

नर्गेस तख्तकेश, गेब्रियल मैज़ाका, फैबियो रेमोंडिनो, जुहा हाइप ए, गॉटफ्राइड मांडलबर्गर

रूपरेखा

यह पत्र शहरी हरित नीतियों का समर्थन करने और बिजली बुनियादी ढांचे के लिए जोखिम को कम करने के लिए शहरी वृक्ष गतिशीलता की निगरानी के महत्व पर प्रकाश डालता है। हम मल्टीस्पेक्ट्रल LiDAR (MS-LiDAR) और एक गहन शिक्षण (DL) मॉडल का उपयोग करके वृक्ष बिंदु निष्कर्षण पर एक अध्ययन प्रस्तुत करते हैं। जटिल शहरी पर्यावरण और वृक्ष विविधता के कारण पारंपरिक हवाई LiDAR की सीमाओं को दूर करने के लिए, हमने MS-LiDAR का उपयोग किया, जो 3D स्थानिक और वर्णक्रमीय दोनों डेटा को कैप्चर करता है। हमने तीन अत्याधुनिक मॉडलों का मूल्यांकन किया: सुपरपॉइंट ट्रांसफॉर्मर (SPT), पॉइंट ट्रांसफॉर्मर V3 (PTv3), और पॉइंट ट्रांसफॉर्मर V1 (PTv1)। परिणाम बताते हैं कि SPT मॉडल 85.28% mIoU प्राप्त करता है, जो बेहतर समय दक्षता और सटीकता का प्रदर्शन करता है।

Takeaways, Limitations

Takeaways:
हम दर्शाते हैं कि MS-LiDAR और गहन शिक्षण मॉडल के संयोजन से शहरी वृक्ष बिंदु निष्कर्षण की सटीकता और दक्षता में सुधार हो सकता है।
विशेष रूप से, एसपीटी मॉडल उत्कृष्ट प्रदर्शन दर्शाता है।
PNDVI का उपयोग करके वृक्ष पहचान सटीकता को और बेहतर बनाया जा सकता है।
एक तकनीकी आधार प्रदान करना जो शहरी हरित स्थान प्रबंधन और विद्युत अवसंरचना जोखिम प्रबंधन में योगदान दे सके।
Limitations:
अध्ययन में प्रयुक्त डेटासेट की विशेषताओं के विशिष्ट विवरण का अभाव (जैसे, शहरी वातावरण की विविधता, वृक्ष प्रकार)।
अन्य गहन शिक्षण मॉडलों के साथ तुलनात्मक विश्लेषण सीमित है।
वास्तविक विश्व के शहरी वातावरण में प्रयोज्यता और मापनीयता पर आगे अनुसंधान की आवश्यकता है।
पीएनडीवीआई के अलावा अन्य स्पेक्ट्रल सूचकांकों के उपयोग पर और अधिक शोध की आवश्यकता है।
👍