📣Nasz zespół z dumą dzieli się najnowszym, recenzowanym badaniem opublikowanym w czasopiśmie IEEE Access.
Badanie koncentruje się na rozwoju segmentacji semantycznej w leśnictwie poprzez integrację przedprzetwarzania opartego na sztucznej inteligencji i modeli wizji komputerowej.
🌲 Co jest sednem badania?
Nasi eksperci zbadali nowatorskie podejście do zwiększenia dokładności i szczegółowości segmentacji semantycznej w złożonych środowiskach leśnych, łącząc:
- YOLOv8 od Ultralytics
- Detectron2 od Meta
- Model segmentacji dowolnych obiektów (SAM) od Meta
- Potoki wstępnego przetwarzania oparte na uczeniu maszynowym
🧠 Integracja modelu SAM ze spersonalizowanymi potokami przedprzetwarzania znacząco poprawiła ilość i jakość masek segmentacji. Doprowadziło to do uzyskania bardziej szczegółowych i dokładnych reprezentacji struktur leśnych niż te oferowane przez istniejące dane referencyjne.
Wyniki pokazują, że łączenie modeli AI z dobrze zaprojektowanymi krokami przedprzetwarzania może poprawić dokładność analizy obrazów leśnych. To podejście ma potencjał wspierania praktycznych zadań, takich jak monitorowanie zdrowia lasów, zarządzanie inwentaryzacją drzew oraz modelowanie zmian środowiskowych.
📄 Opublikowane w: IEEE Access🔗
👥 Współautorzy: Krzysztof Wołk, dr Jacek Niklewski, Michał Kopczyński, dr Marek S. Tatara, Oleg Żero
Jesteśmy podekscytowani możliwością wniesienia wkładu w rozwijającą się dziedzinę AI w naukach o środowisku i czekamy na Wasze opinie oraz propozycje współpracy.
