Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Methods of Classification and Identification01:28

Methods of Classification and Identification

2.4K
Bacterial identification relies on a diverse array of techniques to classify and understand microorganisms, each tailored to uncover specific characteristics. Traditional morphological approaches, while still valuable, are limited for closely related or structurally simple organisms. Modern methods integrate biochemical, serological, genetic, and advanced molecular tools to achieve greater accuracy.Morphological and Biochemical TechniquesMorphological characteristics, such as cell shape and...
2.4K

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Effects of different sedation regimens on delirium in ICU patients.

Frontiers in neurology·2026
Same author

Unmasking the link: pulmonary embolism risk and outcomes in adults with immune thrombocytopenia.

Journal of thrombosis and haemostasis : JTH·2026
Same author

Novel insights from a large cohort: Elucidating incidence, risk factors, treatment, and prognostic predictors in autoimmune hemolytic anemia after allogeneic hematopoietic stem cell transplantation.

Journal of translational internal medicine·2026
Same author

EHDCD: An Edge Enhanced Hierarchical Dual Gated Network for Forest-Cropland Change Detection.

Sensors (Basel, Switzerland)·2026
Same author

Experience in emergency management of first-episode immune thrombotic thrombocytopenic purpura over the past 21 years: a single-center retrospective study.

Frontiers in immunology·2026
Same author

A lightweight co-optimization model for field sunflower disease identification.

Frontiers in plant science·2026

関連する実験動画

Updated: May 6, 2026

Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
12:26

Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM

Published on: October 11, 2016

13.9K

時系列リモートセンシング画像のための（3+2）D SAFPNに基づく作物分類方法

Yicong Sun1, Tingting Zhao1, Yue Zhang1

  • 1College of Computer and Information Engineering, Inner Mongolia Agricultural University, Hohhot, China.

Frontiers in plant science
|February 26, 2026
PubMed
まとめ

新しい（3+2）D分割注意特徴ピラミッドネットワーク（（3+2）D SAFPN）は、リモートセンシングデータを使用した作物分類を改善します。この高度なモデルは、作物タイプを正確にマッピングすることにより、農業モニタリングと食料安全保障を強化します。

キーワード:
作物分類深層学習特徴ピラミッドネットワーク時系列区画リモートセンシング

さらに関連する動画

Early Detection of Cyanobacterial Blooms and Associated Cyanotoxins using Fast Detection Strategy
07:13

Early Detection of Cyanobacterial Blooms and Associated Cyanotoxins using Fast Detection Strategy

Published on: February 25, 2021

4.5K
Author Spotlight: UAV Remote Sensing for Efficient Invasive Plant Biomass Estimation
08:47

Author Spotlight: UAV Remote Sensing for Efficient Invasive Plant Biomass Estimation

Published on: February 9, 2024

2.1K

関連する実験動画

Last Updated: May 6, 2026

Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
12:26

Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM

Published on: October 11, 2016

13.9K
Early Detection of Cyanobacterial Blooms and Associated Cyanotoxins using Fast Detection Strategy
07:13

Early Detection of Cyanobacterial Blooms and Associated Cyanotoxins using Fast Detection Strategy

Published on: February 25, 2021

4.5K
Author Spotlight: UAV Remote Sensing for Efficient Invasive Plant Biomass Estimation
08:47

Author Spotlight: UAV Remote Sensing for Efficient Invasive Plant Biomass Estimation

Published on: February 9, 2024

2.1K

科学分野:

  • 農業リモートセンシング
  • 農業のためのコンピュータビジョン
  • 地空間データ分析

背景:

  • 正確な作物分類は、農業モニタリングと世界の食料安全保障にとって不可欠です。
  • 時系列リモートセンシングデータからの時空間情報を効果的に利用することは、作物マッピングにおける重要な課題です。
  • 既存の方法では、包括的な作物分析のために多様なデータソースを統合することがしばしば困難です。

主な方法:

  • 時空間ダイナミクスのための3D FPNと空間特徴のための2D FPNを統合したハイブリッド（3+2）D特徴ピラミッドネットワーク（FPN）の開発。
  • チャネル間情報の相互作用を改善するための分割注意（SA）メカニズムの組み込み。
  • 少数派作物クラスの学習を強化するための焦点損失関数の利用。
  • 中国内モンゴル地域のマルチテンポラルセンチネル2画像（2024年）から区画レベルのNDVI時系列データセットの構築。

結論:

  • （3+2）D SAFPNモデルは、空間的、スペクトル的、時間的情報を効果的に統合し、堅牢で高精度の作物分類を実現します。
  • このアプローチは、大規模な農業モニタリングのための有望なソリューションを提供し、食料安全保障の確保に貢献します。
  • 開発されたモデルは、精密農業および土地被覆マッピングの実用的なアプリケーションにおいて大きな可能性を示しています。