Zobrazeno 1 - 10
of 577
pro vyhledávání: '"Owen, Harry"'
Autor:
Puliti, Stefano, Lines, Emily R., Müllerová, Jana, Frey, Julian, Schindler, Zoe, Straker, Adrian, Allen, Matthew J., Winiwarter, Lukas, Rehush, Nataliia, Hristova, Hristina, Murray, Brent, Calders, Kim, Terryn, Louise, Coops, Nicholas, Höfle, Bernhard, Junttila, Samuli, Krůček, Martin, Krok, Grzegorz, Král, Kamil, Levick, Shaun R., Luck, Linda, Missarov, Azim, Mokroš, Martin, Owen, Harry J. F., Stereńczak, Krzysztof, Pitkänen, Timo P., Puletti, Nicola, Saarinen, Ninni, Hopkinson, Chris, Torresan, Chiara, Tomelleri, Enrico, Weiser, Hannah, Astrup, Rasmus
Proximally-sensed laser scanning offers significant potential for automated forest data capture, but challenges remain in automatically identifying tree species without additional ground data. Deep learning (DL) shows promise for automation, yet prog
Externí odkaz:
http://arxiv.org/abs/2408.06507
Autor:
Lines, Emily R., Allen, Matt, Cabo, Carlos, Calders, Kim, Debus, Amandine, Grieve, Stuart W. D., Miltiadou, Milto, Noach, Adam, Owen, Harry J. F., Puliti, Stefano
With the rise in high resolution remote sensing technologies there has been an explosion in the amount of data available for forest monitoring, and an accompanying growth in artificial intelligence applications to automatically derive forest properti
Externí odkaz:
http://arxiv.org/abs/2212.09937
Recent advances in terrestrial laser scanning (TLS) technology have enabled the automatic capture of three‐dimensional vegetation structure at high resolution, but the scalability of using these data for large‐scale forest monitoring is limited b
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::52754a8dc6ba4dc82dfbc0684db5a28f
https://www.repository.cam.ac.uk/handle/1810/341143
https://www.repository.cam.ac.uk/handle/1810/341143
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Proceedings: Biological Sciences, 2015 Jun . 282(1809), 1-5.
Externí odkaz:
https://www.jstor.org/stable/43602128
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Methods in Ecology & Evolution; Jul2023, Vol. 14 Issue 7, p1657-1667, 11p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Lines, Emily, Allen, Matt, Cabo, Carlos, Calders, Kim, Debus, Amandine, Grieve, Stuart, Miltiadou, Milto, Noach, Adam, Owen, Harry, Puliti, Stefano
With the rise in high resolution remote sensing technologies there has been an explosion in the amount of data available for forest monitoring, and an accompanying growth in artificial intelligence applications to automatically derive forest properti
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::0b9ef0f21ed0613e63e3a62e4696c26a