Skip to main content

Login for students

Login for employees

Publication detail

Utilization of UAV-Borne RGB Data for Monitoring Horses: Comparison of Classification Methods
Year: 2023
Type of publication: článek ve sborníku
Name of source: Iberian Conference on Information Systems and Technologies (CISTI)
Publisher name: IEEE (Institute of Electrical and Electronics Engineers)
Place: New York
Page from-to: 191760
Titles:
Language Name Abstract Keywords
cze Využití UAV-Borne RGB dat pro monitorování koní: Porovnání klasifikačních metod Článek popisuje využití dat RGB z dálkového snímání k podpoře monitorování koní v přirozeném prostředí na vyžádání. Data jsou snímána pomocí bezpilotního letounu (UAV). UAV poskytují data s velmi vysokým prostorovým rozlišením snímaná v nízké nadmořské výšce na vyžádání. Snímání je omezeno pouze povětrnostními podmínkami a právními předpisy. Terén nemusí být přístupný. Článek poskytuje srovnání několika pixelových a objektových klasifikačních metod, jmenovitě Maximum Likelihood, Random Trees, SVM a K-NN. Jako referenční metoda se používá ruční klasifikace. obrazová data; sledování živých zvířat; objektová klasifikace; pixelová klasifikace; UAV
eng Utilization of UAV-Borne RGB Data for Monitoring Horses: Comparison of Classification Methods The paper describes utilizing remotely sensed RGB data to support monitoring horses in a natural environment on demand. Data are sensed using an unmanned aerial vehicle (UAV). UAVs provide very high spatial resolution data sensed at a low altitude on demand. Sensing is limited by weather conditions and legal rules only. Terrain does not need to be accessible. The paper provides a comparison of several pixel-based and object-based classification methods, namely Maximum Likelihood, Random Trees, SVM, and K-NN. Manual classification is used as a reference method. imagery; live animals monitoring; object-based classification; pixel-based classification; UAV