Confidence-driven background selection for presence and background learning in remote sensing water body mappingAttaf, Dalila (Avtor) Haffaf, Hafid (Avtor) Boumediene, Kadda (Avtor) Metoda učenja prisotnosti in ozadja (PBL) je učinkovita pri polnadzorovanem učenju z omejenim številom označenih podatkov, zlasti pri daljinskem zaznavanju. Vendar lahko naključno izbiranje vzorcev ozadja povzroči vključitev pikslov ciljanega razreda, kar poslabša učenje modela. V prispevku predstavljamo izboljšano metodo PBL, ki naključno vzorčenje nadomešča z izbiro na podlagi zaupanja v napovedi modela. Ta se najprej nauči prepoznavati označene pozitivne vzorce, nato pa z oceno verjetnosti prisotnosti izbere neoznačene vzorce, ki z majhno verjetnostjo pripadajo ciljnemu razredu. Tako oblikovano ozadje omogoča zanesljivejše učenje. Metodo smo preizkusili pri zaznavanju vodnih teles na satelitskih posnetkih Sentinel-2 ekološko raznolikega parka El Kala v Alžiriji. Rezultati kažejo, da predlagani pristop pri vseh uporabljenih metrikah, vključno s koeficientom Kappa in mero F1, presega osnovno metodo PBL.20262026-10-20 10:47:03Članek v reviji190008UDK: 004.8ISSN pri članku: 0013-5852COBISS_ID: 301650179sl