Detection of hunting pits using airborne laser scanning and deep learning

Simple item page
dc.contributor.authorWilliam Lidberg
dc.contributor.otherFlorian Westphal
dc.contributor.otherCamilla Sandström
dc.contributor.otherLars Östlund
dc.date.accessioned2025-01-20T09:41:53Z
dc.date.available2025-01-20T09:41:53Z
dc.date.issued2024-02-22T08:57:13.43525Z
dc.descriptionThis is training and testing data for the detection of hunting pits in airborne laser data. The data is split into three parts. 1: Data for transfer learning with radar imagery and impact craters on the moon. 2. Data for training and testing of the machine learning model. 3: Data from a separate demonstration area used to evaluate the model. The lunar data (1) were used to pre-train a machine learning model before training on the real data of hunting pits from earth (2). The demonstration data was used to visually evaluate the result of the final model. All code used to create this dataset and train the machine learning models can be found here: https://github.com/williamlidberg/Detection-of-hunting-pits-using-airborne-laser-scanning-and-deep-learning The code is also included in the file "code.zip"en_EN
dc.descriptionDet här är tränings och test-data för att detektera fångstgropar i laserdata med hjälp av maskininlärning. Datat är uppdelat i tre delar. 1: Data för förträning med hjälp av radarbilder och kratrar på månen. 2: Data för träning och testning av maskininlärningsmodellen. 3: Data över ett demonstrationsområde där modellen testas. Datat från månen (1) användes för att förträna en maskininlärningsmodell och datat från jorden (2) användes för att träna modellen på att kartera fångstgropar på jorden. Demonstrationsområdet användes för att visuellt utvärdera resultatet. All kod som används för att ta fram datat samt träna modellerna finns här: https://github.com/williamlidberg/Detection-of-hunting-pits-using-airborne-laser-scanning-and-deep-learning koden finns också i filen "code.zip"sv_SE
dc.description.sponsorshipKempe Foundationen_EN
dc.description.sponsorshipKempestiftelsernasv_SE
dc.description.sponsorshipMarcus and Amalia Wallenberg Foundationen_EN
dc.description.sponsorshipStiftelsen Marcus och Amalia Wallenbergs minnesfondsv_SE
dc.description.sponsorshipMarianne and Marcus Wallenberg Foundationen_EN
dc.description.sponsorshipMarianne och Marcus Wallenbergs stiftelsesv_SE
dc.identifier.govdocSLU.seksko.2023.4.4.IÄ-2
dc.identifier.urihttps://doi.org/10.5878/en98-1b29
dc.identifier.urihttps://doi.org/10.5878/96ms-0g33
dc.identifier.urihttps://hdl.handle.net/20.500.12703/5444
dc.languageotheren_EN
dc.publisherSwedish National Data Serviceen_EN
dc.publisherSvensk Nationell Datatjänstsv_SE
dc.subjectComputer Scienceen_EN
dc.subjectDatavetenskap (datalogi)sv_SE
dc.subjectComputer Vision and Robotics (Autonomous Systems)en_EN
dc.subjectDatorseende och robotik (autonoma system)sv_SE
dc.subjectPhysical Geographyen_EN
dc.subjectNaturgeografisv_SE
dc.subjectGeotechnical Engineeringen_EN
dc.subjectGeotekniksv_SE
dc.subjectHistoryen_EN
dc.subjectHistoriasv_SE
dc.subjectSocietyen_EN
dc.subjectSamhälle och kultursv_SE
dc.subjectEarth and Related Environmental Sciencesen_EN
dc.subjectGeovetenskap och miljövetenskapsv_SE
dc.subjectComputer and Information Scienceen_EN
dc.subjectData- och informationsvetenskap (Datateknik)sv_SE
dc.subjectCivil Engineeringen_EN
dc.subjectSamhällsbyggnadstekniksv_SE
dc.subjectHistory and Archaeologyen_EN
dc.subjectHistoria och arkeologisv_SE
dc.subjectEngineering and Technologyen_EN
dc.subjectTekniksv_SE
dc.subjectNatural Sciencesen_EN
dc.subjectNaturvetenskapsv_SE
dc.subjectHumanities and the Artsen_EN
dc.subjectHumaniora och konstsv_SE
dc.subjectaction with an objecten_EN
dc.subjectaktivitet med objektsv_SE
dc.subjectsystemsen_EN
dc.subjectsystemsv_SE
dc.subjectmeans of livelihooden_EN
dc.subjectnäringarsv_SE
dc.subjectsystems of a societyen_EN
dc.subjectsamhälleliga systemsv_SE
dc.subjectsocietal objectsen_EN
dc.subjectsamhälleliga objektsv_SE
dc.subjectactionen_EN
dc.subjectverksamhetsv_SE
dc.subjectobjectsen_EN
dc.subjectentitetersv_SE
dc.subjectabstract objectsen_EN
dc.subjectabstrakta objektsv_SE
dc.subjectevents and actionen_EN
dc.subjecthändelser och handlingsv_SE
dc.titleDetection of hunting pits using airborne laser scanning and deep learningen_EN
dc.titleDetection of hunting pits using airborne laser scanning and deep learningsv_SE
dc.typeDatasetsv_SE
Files
Original bundle
Now showing 1 - 10 of 10
Thumbnail Image
Name:
code.zip
Size:
185.65 MB
Format:
Unknown data format
Description:
Download
Thumbnail Image
Name:
demonstration_area
Size:
651.97 MB
Format:
Unknown data format
Description:
Download
Thumbnail Image
Name:
demonstration_area
Size:
651.97 MB
Format:
Unknown data format
Description:
Download
Thumbnail Image
Name:
lunar_data
Size:
3.15 GB
Format:
Unknown data format
Description:
Download
Thumbnail Image
Name:
lunar_data
Size:
3.15 GB
Format:
Unknown data format
Description:
Download
Thumbnail Image
Name:
training_data
Size:
1.64 GB
Format:
Unknown data format
Description:
Download
Thumbnail Image
Name:
training_data
Size:
1.64 GB
Format:
Unknown data format
Description:
Download
Thumbnail Image
Name:
DatasetReadme.pdf
Size:
147.81 KB
Format:
Adobe Portable Document Format
Description:
Download
Thumbnail Image
Name:
README.html
Size:
36.06 MB
Format:
Hypertext Markup Language
Description:
Download
Thumbnail Image
Name:
2023-188-json-ld.json
Size:
11.66 KB
Format:
Unknown data format
Description:
Download
Collections
Detection of hunting pits using airborne laser scanning and deep learning