• Beitrag
  • Anwendung von Deep Learning zur Detektion von Pflanzenaustrittspunkten…

Anwendung von Deep Learning zur Detektion von Pflanzenaustrittspunkten in Saatbettbildern

Zugehörigkeit
Institut für Informatik, Martin-Luther-Universität Halle Wittenberg, Halle, Deutschland
Arnhold, Niclas;
GND
1291287310
Zugehörigkeit
Institut für Informatik, Martin-Luther-Universität Halle Wittenberg, Halle, Deutschland
Posch, Stefan;
GND
1303875624
Zugehörigkeit
Julius Kühn-Institut (JKI), Institut für Strategien und Folgenabschätzung, Deutschland
Lorenzen, Marissa;
GND
1245170163
Zugehörigkeit
Julius Kühn-Institut (JKI), Institut für Strategien und Folgenabschätzung, Deutschland
Lieb, Robin;
GND
1305817664
Zugehörigkeit
Julius Kühn-Institut (JKI), Institut für Strategien und Folgenabschätzung, Deutschland
Schlich, Iven;
GND
143656902
Zugehörigkeit
Julius Kühn-Institut (JKI), Institut für Strategien und Folgenabschätzung, Deutschland
Feike, Til

Dateien

Einordnung

Konferenz:
64. Tagung der Gesellschaft für Pflanzenbauwissenschaften e. V.; Göttingen, Deutschland; 2023.10.04-06
Erschienen in:
64. Tagung der Gesellschaft für Pflanzenbauwissenschaften e. V.: DIGITAL TOOLS, BIG DATA, MODELING AND SENSING METHODS FOR…
(2023), S. 295-296
Datum der Veröffentlichung:
2023
Datum der Online-Veröffentlichung:
04.10.2023
Sprache:
Deutsch
Ressourcentyp:
Text
DDC-Sachgruppe der DNB:
630 Landwirtschaft, Veterinärmedizin
Einrichtung:
Julius Kühn-Institut, Institut für Strategien und Folgenabschätzung

Zitieren

Zitierform:
Zitierform konnte nicht geladen werden.

Zugriffsstatistik

Gesamt:
Volltextzugriffe:
Metadatenansicht:
12 Monate:
Volltextzugriffe:
Metadatenansicht:
Grafik öffnen

Rechte

Rechteinhaber: die Autoren

Nutzung und Vervielfältigung:
Alle Rechte vorbehalten