Tudóstér: Abriha Dávid publikációi

PDF
-
szűkítés
feltöltött közlemény: 26 Open Access: 8
2024
  1. Szabó, S., Holb, I., Molnár, V., Szatmári, G., Singh, S., Abriha, D.: Classification Assessment Tool: A program to measure the uncertainty of classification models in terms of class-level metrics.
    Appl. Soft. Comput. 155 1-15, 2024.
    Folyóirat-mutatók:
    Q1 Software (2023)
  2. Molnár, V., Szabó, S., Magura, T., Tóthmérész, B., Abriha, D., Sipos, B., Simon, E.: Environmental impact assessment based on particulate matter, and chlorophyll content of urban trees.
    Sci. Rep. 14 (1), 1-8, 2024.
    Folyóirat-mutatók:
    D1 Multidisciplinary (2023)
  3. Kovács, L., Szabó, S., Molnár, T., Molnár, V., Szabó, L., Abriha, D.: Erdőterületek fafaj alapú osztályozása hiperspektrális műholdfelvétel felhasználásával.
    In: Az elmélet és a gyakorlat találkozása a térinformatikában XV. = Theory meets practice in GIS. Szerk.: Abriha-Molnár Vanda Éva, Debreceni Egyetemi Kiadó, Debrecen, 161-166, 2024. ISBN: 9789634906193
  4. Szopos, N., Holb, I., Abriha, D., Szabó, S.: Flood risk assessment of a small river with limited available data.
    Spat. Inf. Res. 32 (-), 1-14, 2024.
    Folyóirat-mutatók:
    Q3 Artificial Intelligence (2023)
    Q3 Computer Science Applications (2023)
    Q2 Computers in Earth Sciences (2023)
    Q2 Geography, Planning and Development (2023)
  5. Pataki, A., Bertalan, L., Pásztor, L., Nagy, L., Abriha, D., Szabó, S.: Globális talajnedvességadatok összehasonlító vizsgálata.
    In: Az elmélet és a gyakorlat találkozása a térinformatikában XV. = Theory meets practice in GIS. Szerk.: Abriha-Molnár Vanda Éva, Debreceni Egyetemi Kiadó, Debrecen, 225-230, 2024. ISBN: 9789634906193
  6. Magraby, A., Abriha, D., Szabó, L.: Hyperspectral applications in Egypt.
    In: Az elmélet és a gyakorlat találkozása a térinformatikában XV. = Theory meets practice in GIS. Szerk.: Abriha-Molnár Vanda Éva, Debreceni Egyetemi Kiadó, Debrecen, 175-178, 2024. ISBN: 9789634906193
  7. Abriha, D., Enyedi, P., Papp, M., Kovács, L., Szabó, S.: Mély konvolúciós neurális hálózat alkalmazása épület detektálásra kisszámú tanító adat felhasználásával.
    In: Az elmélet és a gyakorlat találkozása a térinformatikában XV. / (szerk.)Abriha-Molnár Vanda Éva, Debreceni Egyetemi Kiadó, Debrecen, 7-14, 2024. ISBN: 9789634906193
  8. Shebl, A., Abriha, D., Dawoud, M., Ali, H., Csámer, Á.: PRISMA vs. Landsat 9 in lithological mapping ? a K-fold Cross-Validation implementation with Random Forest.
    Egyptian Journal of Remote Sensing and Space Science 27 (3), 577-596, 2024.
    Folyóirat-mutatók:
    Q1 Earth and Planetary Sciences (miscellaneous) (2023)
  9. Papp, M., Abriha, D.: Tetőfedő anyagok változásvizsgálata és osztályozása Python környezetben.
    In: Az elmélet és a gyakorlat találkozása a térinformatikában XV. / Abriha-Molnár Vanda Éva szerk, Debreceni Egyetemi Kiadó, Debrecen, 219-223, 2024. ISBN: 9789634906193
2023
  1. Pataki, A., Nagy, L., Abriha, D., Szabó, S.: Műholdas szenzorokból származtatott talajnedvességadatok összehasonlítása.
    In: Az elmélet és a gyakorlat találkozása a térinformatikában XIV. / Szerkesztette: Dr. Abriha-Molnár Vanda Éva, Debreceni Egyetemi Kiadó, Debrecen, 199-203, 2023. ISBN: ISBN9789636150846
  2. Shebl, A., Abriha, D., Fahil, A., El-Dokouny, H., Abdelmajeed, A., Csámer, Á.: PRISMA hyperspectral data for lithological mapping in the Egyptian Eastern Desert: Evaluating the support vector machine, random forest, and XG boost machine learning algorithms.
    Ore Geol. Rev. 161 1-16, 2023.
    Folyóirat-mutatók:
    Q1 Economic Geology
    Q1 Geochemistry and Petrology
    Q1 Geology
  3. Abriha, D., Srivastava, P., Szabó, S.: Smaller is better? Unduly nice accuracy assessments in roof detection using remote sensing data with machine learning and k-fold cross-validation.
    Heliyon. 9 (3), 1-17, 2023.
    Folyóirat-mutatók:
    Q1 Multidisciplinary
  4. Abriha, D., Szabó, S.: Strategies in training deep learning models to extract building from multisource images with small training sample sizes.
    Int. J. Digit. Earth. 16 (1), 1707-1724, 2023.
    Folyóirat-mutatók:
    Q2 Computer Science Applications
    Q1 Earth and Planetary Sciences (miscellaneous)
    Q2 Software
2022
  1. Papp, M., Szabó, S., Abriha, D.: WorldView-2 és WorldView-3 felvételek értékelése képosztályozáson keresztül.
    In: Az elmélet és a gyakorlat találkozása a térinformatikában XIII.: Theory meets practice in GIS. Szerk.: Abriha-Molnár Vanda Éva, Debreceni Egyetemi Kiadó, Debrecen, 255-259, 2022. ISBN: 9789636150396
2021
  1. Phinzi, K., Abriha, D., Szabó, S.: Classification Efficacy Using K-Fold Cross-Validation and Bootstrapping Resampling Techniques on the Example of Mapping Complex Gully Systems.
    Remote Sens. 13 (15), 1-18, 2021.
    Folyóirat-mutatók:
    Q1 Earth and Planetary Sciences (miscellaneous)
  2. Abriha, D., Szabó, S., Varga, G.: Sentinel-5P műholdadatok alapján végzett légköri aeroszol koncentráció vizsgálat Google Earth Engine platformon.
    In: Az elmélet és a gyakorlat találkozása a térinformatikában XII.. Szerk.: Molnár Vanda Éva, Debreceni Egyetemi kiadó, Debrecen, 17-23, 2021. ISBN: 9789633189771
  3. Szabó, L., Abriha, D., Phinzi, K., Szabó, S.: Urban vegetation classification with high-resolution PlanetScope and SkySat multispectral imagery.
    Acta geogr. Debr., Landsc. environ. ser. 15 (1), 66-75, 2021.
  4. Abriha, D., Szabó, S., Enyedi, P.: Városi objektum kinyerést célzó deep learning algoritmus alkalmazása nagy felbontású légifelvételek alapján.
    In: Az elmélet és a gyakorlat találkozása a térinformatikában XII.. Szerk.: Molnár Vanda Éva, Debreceni Egyetemi kiadó, Debrecen, 9-16, 2021. ISBN: 9789633189771
2020
  1. Abriha, D., Szabó, S.: A képosztályozás során fellépő területi autokorreláció vizsgálata Python programozási környezetben.
    In: Az elmélet és a gyakorlat találkozása a térinformatikában XI. : theory meets practice in GIS. Szerk.: Molnár Vanda Éva, Debreceni Egyetemi Kiadó, Debrecen, 17-21, 2020. ISBN: 9789633188866
  2. Phinzi, K., Abriha, D., Bertalan, L., Holb, I., Szabó, S.: Machine Learning for Gully Feature Extraction Based on a Pan-Sharpened Multispectral Image: Multiclass vs. Binary Approach.
    ISPRS Int. Geo-Inf. 9 (4), 1-20, 2020.
    Folyóirat-mutatók:
    Q2 Computers in Earth Sciences
    Q1 Earth and Planetary Sciences (miscellaneous)
    Q1 Geography, Planning and Development
  3. Abriha, D., Szabó, L., Phinzi, K., Szabó, S.: Városi zöldfelületek osztályozása nagy felbontású PlanetScope és SkySat felvételek alapján.
    In: Az elmélet és a gyakorlat találkozása a térinformatikában XI. : Theory meets practice in gis. Szerk.: Molnár Vanda Éva, Debreceni Egyetemi Kiadó, Debrecen, 13-16, 2020. ISBN: 9789633188866
2019
  1. Szabó, S., Abriha, D., Kovács, Z., Sarawut, N., Bertalan, L., Balázs, B.: Pan-sharpening as an effective method to improve classification accuracy of roofing materials.
    Geophys. Res. Abstr. 21 14594, 2019.
  2. Abriha, D., Banka, F., Szabó, S.: Random Forest osztályozó algoritmus pontosságának vizsgálata tetőfedő anyagok azonosításában multispektrális adatokkal.
    In: Az elmélet és a gyakorlat találkozása a térinformatikában X.: Theory meets practice in GIS. Szerk.: Molnár Vanda Éva, Debreceni Egyetemi Kiadó, Debrecen, 19-24, 2019. ISBN: 9789633180549
2018
  1. Abriha, D., Szabó, S.: Hiperspektrális távérzékelés alkalmazása tetőfedő anyagok azonosításában.
    In: Az elmélet és gyakorlat találkozása a térinformatikában IX.. Szerk.: Molnár Vanda Éva, Debrecen Egyetemi Kiadó, Debrecen, 21-26, 2018. ISBN: 9789633187234
  2. Abriha, D., Kovács, Z., Ninsawat, S., Bertalan, L., Balázs, B., Szabó, S.: Identification of roofing materials with Discriminant Function Analysis and Random Forest classifiers on pan-sharpened WorldView-2 imagery - a comparison.
    HunGeoBull. 67 (4), 375-392, 2018.
    Folyóirat-mutatók:
    Q2 Earth and Planetary Sciences (miscellaneous)
    Q2 Geography, Planning and Development
2017
  1. Abriha, D.: Roofing material determination with hyperspectral data.
    In: Student V4 Geoscience Conference and Scientific Meeting GISÁČEK 2017-03-22. Ed.: Jan Tesla, Institute of Geoinformatics, Technical University of Ostrava, Ostrava, 5-10, 2017. ISBN: 9788024840338
feltöltött közlemény: 26 Open Access: 8
https://tudoster.idea.unideb.hu
A szolgáltatást nyújtja: DEENK