Buchumschlag

KAN You See It? KANs and Sentinel for Effective and Explainable Crop Field Segmentation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cambrin, Daniele Rege, Poeta, Eleonora, Pastor, Eliana, Cerquitelli, Tania, Baralis, Elena, Garza, Paolo
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

HydroChronos: Forecasting Decades of Surface Water Change
von: Cambrin, Daniele Rege, et al.
Veröffentlicht: (2025)

QuakeSet: A Dataset and Low-Resource Models to Monitor Earthquakes through Sentinel-1
von: Cambrin, Daniele Rege, et al.
Veröffentlicht: (2024)

Concept-based Explainable Artificial Intelligence: A Survey
von: Poeta, Eleonora, et al.
Veröffentlicht: (2023)

Estimating Earthquake Magnitude in Sentinel-1 Imagery via Ranking
von: Cambrin, Daniele Rege, et al.
Veröffentlicht: (2024)

A Benchmarking Study of Kolmogorov-Arnold Networks on Tabular Data
von: Poeta, Eleonora, et al.
Veröffentlicht: (2024)

Depth Any Canopy: Leveraging Depth Foundation Models for Canopy Height Estimation
von: Cambrin, Daniele Rege, et al.
Veröffentlicht: (2024)

Magnifier: A Multi-grained Neural Network-based Architecture for Burned Area Delineation
von: Cambrin, Daniele Rege, et al.
Veröffentlicht: (2025)

CaBuAr: California Burned Areas dataset for delineation
von: Cambrin, Daniele Rege, et al.
Veröffentlicht: (2024)

Beyond Accuracy Optimization: Computer Vision Losses for Large Language Model Fine-Tuning
von: Cambrin, Daniele Rege, et al.
Veröffentlicht: (2024)

CLOSP: A Unified Semantic Space for SAR, MSI, and Text in Remote Sensing
von: Cambrin, Daniele Rege, et al.
Veröffentlicht: (2025)

Level Up Your Tutorials: VLMs for Game Tutorials Quality Assessment
von: Cambrin, Daniele Rege, et al.
Veröffentlicht: (2024)

Losses that Cook: Topological Optimal Transport for Structured Recipe Generation
von: Ottoborgo, Mattia, et al.
Veröffentlicht: (2026)

DQNC2S: DQN-based Cross-stream Crisis event Summarizer
von: Cambrin, Daniele Rege, et al.
Veröffentlicht: (2024)

A Modelling and Evaluation Framework for EuroCrops-Driven Sentinel-2 Crop Segmentation
von: Scarlat, Alexandra Nicoleta, et al.
Veröffentlicht: (2026)

KAN See Your Face
von: Han, Dong, et al.
Veröffentlicht: (2024)

KAN See In the Dark
von: Ning, Aoxiang, et al.
Veröffentlicht: (2024)

Semi-KAN: KAN Provides an Effective Representation for Semi-Supervised Learning in Medical Image Segmentation
von: Ye, Zanting, et al.
Veröffentlicht: (2025)

An Efficient and Explainable KAN Framework for Wireless Radiation Field Prediction
von: Shen, Jingzhou, et al.
Veröffentlicht: (2026)

When Swin Transformer Meets KANs: An Improved Transformer Architecture for Medical Image Segmentation
von: Sapkota, Nishchal, et al.
Veröffentlicht: (2025)

KANs for Computer Vision: An Experimental Study
von: Mohan, Karthik, et al.
Veröffentlicht: (2024)

No Masks Needed: Explainable AI for Deriving Segmentation from Classification
von: Ma, Mosong, et al.
Veröffentlicht: (2025)

Shape and Style GAN-based Multispectral Data Augmentation for Crop/Weed Segmentation in Precision Farming
von: Fawakherji, Mulham, et al.
Veröffentlicht: (2024)

"KAN you hear me?" Exploring Kolmogorov-Arnold Networks for Spoken Language Understanding
von: Koudounas, Alkis, et al.
Veröffentlicht: (2025)

You Only Speak Once to See
von: Yang, Wenhao, et al.
Veröffentlicht: (2024)

Exploring Self-Attention for Crop-type Classification Explainability
von: Obadic, Ivica, et al.
Veröffentlicht: (2022)

The More You See in 2D, the More You Perceive in 3D
von: Han, Xinyang, et al.
Veröffentlicht: (2024)

You KAN Do It in a Single Shot: Plug-and-Play Methods with Single-Instance Priors
von: Cheng, Yanqi, et al.
Veröffentlicht: (2024)

Suitability of KANs for Computer Vision: A preliminary investigation
von: Azam, Basim, et al.
Veröffentlicht: (2024)

Precision Agriculture: Crop Mapping using Machine Learning and Sentinel-2 Satellite Imagery
von: Zhao, Kui, et al.
Veröffentlicht: (2023)

You See it, You Got it: Learning 3D Creation on Pose-Free Videos at Scale
von: Ma, Baorui, et al.
Veröffentlicht: (2024)

SCKAN: Structural Consensus-based KAN Prototype Learning for Semi-Supervised Pancreas Segmentation
von: Liu, Yuqi, et al.
Veröffentlicht: (2026)

KAN-Mamba FusionNet: Redefining Medical Image Segmentation with Non-Linear Modeling
von: Agrawal, Akansh, et al.
Veröffentlicht: (2024)

ViGEO: an Assessment of Vision GNNs in Earth Observation
von: Colomba, Luca, et al.
Veröffentlicht: (2024)

Quality Sentinel: Estimating Label Quality and Errors in Medical Segmentation Datasets
von: Chen, Yixiong, et al.
Veröffentlicht: (2024)

DepthCropSeg++: Scaling a Crop Segmentation Foundation Model With Depth-Labeled Data
von: Zhang, Jiafei, et al.
Veröffentlicht: (2026)

Demystifying KAN for Vision Tasks: The RepKAN Approach
von: Cheon, Minjong
Veröffentlicht: (2026)

WeedsGalore: A Multispectral and Multitemporal UAV-based Dataset for Crop and Weed Segmentation in Agricultural Maize Fields
von: Celikkan, Ekin, et al.
Veröffentlicht: (2025)

U-MAN: U-Net with Multi-scale Adaptive KAN Network for Medical Image Segmentation
von: Huang, Bohan, et al.
Veröffentlicht: (2025)

TK-Mamba: Marrying KAN With Mamba for Text-Driven 3D Medical Image Segmentation
von: Yang, Haoyu, et al.
Veröffentlicht: (2025)

Advancements in Crop Analysis through Deep Learning and Explainable AI
von: Khan, Hamza
Veröffentlicht: (2025)