ترجمه فارسی مقاله ایجاد نقشه های محدوده گونه های باینری

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Generating Binary Species Range Maps
عنوان مقاله به فارسی ایجاد نقشه های محدوده گونه های باینری
نویسندگان Filip Dorm, Christian Lange, Scott Loarie, Oisin Mac Aodha
فرمت مقاله انگلیسی PDF
تعداد صفحات 24
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Quantitative Methods,Computer Vision and Pattern Recognition,Machine Learning,روشهای کمی , دید رایانه و تشخیص الگوی , یادگیری ماشین ,
توضیحات Submitted 28 August, 2024; originally announced August 2024. , Journal ref: Workshop on Computer Vision for Ecology at ECCV 2024
توضیحات به فارسی ارسال شده 28 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، مجله Ref: کارگاه دیدگاه رایانه برای اکولوژی در ECCV 2024
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Accurately predicting the geographic ranges of species is crucial for assisting conservation efforts. Traditionally, range maps were manually created by experts. However, species distribution models (SDMs) and, more recently, deep learning-based variants offer a potential automated alternative. Deep learning-based SDMs generate a continuous probability representing the predicted presence of a species at a given location, which must be binarized by setting per-species thresholds to obtain binary range maps. However, selecting appropriate per-species thresholds to binarize these predictions is non-trivial as different species can require distinct thresholds. In this work, we evaluate different approaches for automatically identifying the best thresholds for binarizing range maps using presence-only data. This includes approaches that require the generation of additional pseudo-absence data, along with ones that only require presence data. We also propose an extension of an existing presence-only technique that is more robust to outliers. We perform a detailed evaluation of different thresholding techniques on the tasks of binary range estimation and large-scale fine-grained visual classification, and we demonstrate improved performance over existing pseudo-absence free approaches using our method.

چکیده به فارسی (ترجمه ماشینی)

پیش بینی دقیق دامنه های جغرافیایی گونه ها برای کمک به اقدامات حفاظت بسیار مهم است.به طور سنتی ، نقشه های دامنه به صورت دستی توسط کارشناسان ایجاد شده اند.با این حال ، مدل های توزیع گونه (SDMS) و اخیراً انواع مبتنی بر یادگیری عمیق یک جایگزین خودکار بالقوه ارائه می دهند.SDM های مبتنی بر یادگیری عمیق یک احتمال مداوم را نشان می دهند که حضور پیش بینی شده یک گونه در یک مکان معین را نشان می دهد ، که باید با تنظیم آستانه های مربوط به گونه ها برای به دست آوردن نقشه های باینری باینر شود.با این حال ، انتخاب آستانه های مناسب برای هر گونه برای باناریزه کردن این پیش بینی ها غیر مهم است زیرا گونه های مختلف می توانند به آستانه های مشخصی نیاز داشته باشند.در این کار ، ما رویکردهای مختلفی را برای شناسایی خودکار بهترین آستانه ها برای نقشه های باناریزه کردن با استفاده از داده های فقط حضور ارزیابی می کنیم.این شامل رویکردهایی است که نیاز به تولید داده های شبه Absence اضافی ، همراه با مواردی که فقط به داده های حضور نیاز دارند.ما همچنین یک تکنیک موجود در حضور موجود را پیشنهاد می کنیم که برای Outliers قوی تر است.ما ارزیابی مفصلی از تکنیک های مختلف آستانه در مورد وظایف تخمین دامنه باینری و طبقه بندی بصری ریز دانه در مقیاس بزرگ را انجام می دهیم ، و عملکرد بهبود یافته نسبت به روشهای آزاد شبه موجود را با استفاده از روش خود نشان می دهیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.