guest ::
Generating a pixel-wise annotated training dataset to train ML algorithms for mineral identification in rock thin sections
; ; ; ; ; ;
In
Abstracts & presentations / EGU General Assembly 2020, Seiten/Artikel-Nr: EGU2020-18865, 1 Seite
2020
Konferenzort: Wien, Austria
Online
DOI: 10.18154/RWTH-2020-09817
DOI: 10.5194/egusphere-egu2020-18865
URL: https://publications.rwth-aachen.de/record/803695/files/803695.pdf
URL: https://egusphere.net/conferences/EGU2020/index.html
Einrichtungen
- Lehr- und Forschungsgebiet Computational Geoscience and Reservoir Engineering (541220)
- Lehrstuhl für Informatik 13 (Computer Vision) (123710)
- Lehr- und Forschungsgebiet Tektonik und Geodynamik (531220)
- Fachgruppe für Geowissenschaften und Geographie (530000)
- Fachgruppe Informatik (120000)
Projekte
- PFSDS023 - MINERALS: Machine learning training set for virtual microscopy (EXS-PF) (EXS-PF)
- ERS Prep Fund - Exploratory Research Space: Prep Fund als Anschubfinanzierung zur Schließung strategischer Lücken (EXS-PF) (EXS-PF)
- EXS - Excellence Strategy (EXS) (EXS)
OpenAccess: 
PDF
External link: 
Homepage of book
Dokumenttyp
Abstract/Contribution to a conference proceedings
Format
online
Sprache
English
Externe Identnummern
OpenAlex: W4238326862
Interne Identnummern
RWTH-2020-09817
Datensatz-ID: 803695
Beteiligte Länder
Germany
; 
