Detection of hunting pits using airborne laser scanning and deep learning Training data for hunting pit detection Detection of hunting pits using airborne laser scanning and deep learning 2023-188-1 SLU.seksko.2023.4.4.IÄ-2 https://doi.org/10.5878/en98-1b29 Swedish National Data Service Svensk nationell datatjänst Landing page Detection of hunting pits using airborne laser scanning and deep learning Training data for hunting pit detection Detection of hunting pits using airborne laser scanning and deep learning 2023-188-1 SLU.seksko.2023.4.4.IÄ-2 https://doi.org/10.5878/en98-1b29 oai:DiVA.org:umu-228297 10.1080/00934690.2024.2364428 urn:nbn:se:umu:diva-228297 Lidberg, William Lidberg, William Swedish National Data Service Svensk nationell datatjänst Landing page PRESERVATION OF CULTURAL PROPERTY KULTURMINNESVÅRD machine learning maskininlärning farm forestry lant- och skogsbruk cultural environment kulturmiljö remote sensing fjärranalys Pit Trap Society Samhälle och kultur This 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" Det 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" Sweden Sverige Geographic unitGeographic unit Geografisk enhetGeografisk enhet Digitized hunting pits Digitaliserade fångstgropar Numeric Text Geospatial Mostly northern Sweden with some pits from southern Sweden.Mostly northern Sweden with some pits from southern Sweden. Data täcker framför allt Norrland men ett fåtal gropar från södra Sverige finns med.Data täcker framför allt Norrland men ett fåtal gropar från södra Sverige finns med. Access to data through SND. Data are freely accessible. Åtkomst till data via SND. Data är fritt tillgängliga. openAccess Lidberg, W., Westphal, F., Brax, C., Sandström, C., & Östlund, L. (2024). Detection of hunting pits using airborne laser scanning and deep learning. In Journal of field archaeology. 49 (6), 395–405. https://doi.org/10.1080/00934690.2024.2364428 Lidberg, W., Westphal, F., Brax, C., Sandström, C., & Östlund, L. (2024). Detection of hunting pits using airborne laser scanning and deep learning. In Journal of field archaeology. 49 (6), 395–405. https://doi.org/10.1080/00934690.2024.2364428 10.1080/00934690.2024.2364428 urn:nbn:se:umu:diva-228297 oai:DiVA.org:umu-228297 2024 oai:DiVA.org:umu-228297