Компьютерные науки > Комптурное видение и распознавание моделей [представлено 19 октября 2026 года] Название: TNVD-SC: Dignosing Scan Conflict Disases in Forests with Urrain-Normalized Girl Distribution View PDF HTML (экспериментальное) резюме: Долгосрочное признание места LIDAR в лесах является трудным делом, поскольку повторяющаяся растительность и неровная местность создают серьезные структурные вымышленное название. Мы диагностируем контекст сканирования (СГ) путем разделения поиска кандидатов на тонкие совпадения: в стандартизованном протоколе TreeLoc++ Wild-Place , вспомогательные ключи ТНВД устанавливают действительное место в верхнем 25 наборе для примерно 99% запросов, тогда как обычные сопоставления СК по этим кандидатам достигают лишь 61,84% среднего R@1. С идентичным набором кандидатов в категории сырой воды, нормализация местности позволяет улучшить максимальные размеры клеток только на 1,21 пункта, а вертикально-распределенные клетки - на 19,72 пункта. Эти наблюдения стимулируют контекст вертикального сканирования на основе нержавеющей модели (TNVD-SC), который сохраняет топологию кольцевого сектора СК при кодировании вертикальных диапазонов вероятности, соответствующих местности. Согласно стандартизованному протоколу TreeLoc+, TNVD-SC достигает 91,83% в среднем R@1 и достигает наивысшей стабильности R@ 1 между сопоставимыми методами, тогда как в MR, MF1 и AUC TreatLoc ++ остается более сильным. Неизменный метод достигает 85,14% от среднего значения R@1 в…
TNVD-SC: Недостатки анализа сканирования в лесах, имеющие вертикальное распределение в неровных условиях
arXiv: 261 020.25637v1 Вид объявления: новое резюме: Долгосрочное признание места LIDAR в лесах является трудным делом, поскольку повторяющаяся растительность и неровная местность создают серьезные структурные вымышленности. Мы диагностируем контекст сканирования (СГ) путем разделения поиска кандидатов на тонкие совпадения: в стандартизованном протоколе TreeLoc++ Wild-Place , вспомогательные ключи ТНВД устанавливают действительное место в верхнем 25 наборе для примерно 99% запросов, тогда как обычные сопоставления СК по этим кандидатам достигают лишь 61,84% среднего R@1. С идентичным набором кандидатов в категории сырой воды, нормализация местности позволяет улучшить максимальные размеры клеток только на 1,21 пункта, а вертикально-распределенные клетки - на 19,72 пункта. Эти наблюдения стимулируют контекст вертикального сканирования на основе нержавеющей модели (TNVD-SC), который сохраняет топологию кольцевого сектора СК при кодировании вертикальных диапазонов вероятности, соответствующих местности. В соответствии со стандартным протоколом TreeLoc++ TNVD-SC достигает 91,83% в среднем R@1 и достигает наивысшей стабильности R@ 1 в средней и R@1.
