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.

Pravice

URN

URN:NBN:SI:DOC-EWBEQS69

COBISSID

301650179

Objavljeno

20.10.2026

Metapodatki

Citiranje

APA:

Attaf, Dalila, Haffaf, Hafid, Boumediene, Kadda (2026). Confidence-driven background selection for presence and background learning in remote sensing water body mapping. Elektrotehniški vestnik, letnik 93, številka 4, str. 206-215. URN:NBN:SI:DOC-EWBEQS69 from http://www.dlib.si

MLA:

Attaf, Dalila, Haffaf, Hafid, Boumediene, Kadda. "Confidence-driven background selection for presence and background learning in remote sensing water body mapping." Elektrotehniški vestnik letnik 93. številka 4 (2026) str. 206-215.
<http://www.dlib.si/?URN=URN:NBN:SI:DOC-EWBEQS69>