Detection of hunting pits using airborne laser scanning and deep learning
https://doi.org/10.5878/en98-1b29
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-learningÖppnas i en ny tabb koden finns också i filen "code.zip"
Datafiler
Datafiler
Citering och åtkomst
Citering och åtkomst
Tillgänglighetsnivå:
Skapare/primärforskare:
Forskningshuvudman:
Diarienummer hos huvudman:
- SLU.seksko.2023.4.4.IÄ-2
Data innehåller personuppgifter:
Nej
Citering:
Språk:
Metod och utfall
Metod och utfall
Analysenhet:
Population:
Digitaliserade fångstgropar
Beskrivning av urval:
Data täcker framför allt Norrland men ett fåtal gropar från södra Sverige finns med.
Tidsperiod(er) som undersökts:
Variabler:
11
Antal individer/objekt:
2519
Dataformat/datastruktur:
Arkeologisk undersökningstyp:
Arkeologisk lämningstyp:
Geografisk täckning
Geografisk täckning
Geografisk plats:
Geografisk beskrivning:
Centrala och norra Sverige
Administrativ information
Administrativ information
Ansvarig institution/enhet:
Skogens ekologi och skötsel
Övriga forskningshuvudmän:
Medverkande:
Finansiering
Finansiering
Finansiär:
- Kempestiftelserna
Öppnar nytt fönster hos ror.org.
RORÖppnas i en ny tabb
Projektnamn på ansökan:
Framtidens kartor för klimatanpassad skogsskötsel
Finansiär:
- Stiftelsen Marcus och Amalia Wallenbergs minnesfond
Öppnar nytt fönster hos ror.org.
RORÖppnas i en ny tabb
Projektnamn på ansökan:
Wallenberg AI, Autonomous Systems and Software Program – Humanities and Society (WASP-HS)
Information om finansiering:
Projektet "Challenges and social consequences of artificial intelligence in Swedish forests" i WASP-HS-programmet
Finansiär:
- Marianne och Marcus Wallenbergs stiftelse
Öppnar nytt fönster hos ror.org.
RORÖppnas i en ny tabb
Projektnamn på ansökan:
Wallenberg AI, Autonomous Systems and Software Program – Humanities and Society (WASP-HS)
Information om finansiering:
Projektet "Challenges and social consequences of artificial intelligence in Swedish forests" i WASP-HS-programmet
Ämnesområde och nyckelord
Ämnesområde och nyckelord
Standard för svensk indelning av forskningsämnen 2025:
INSPIRE topic categories:
Publikationer
Publikationer
Citering:
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/10.1080/00934690.2024.2364428Öppnas i en ny tabb
