Celem projektu jest ilościowa analiza wpływu parametrów wybranych modeli uczenia maszynowego na skuteczność klasyfikacji zaburzeń w ekosystemach leśnych na podstawie danych obrazowych. Prace obejmą przygotowanie i ujednolicenie zbioru danych, zdefiniowanie klas oraz protokołu ewaluacji, a następnie implementację i porównanie modeli w kontrolowanych eksperymentach, w których systematycznie zmieniane będą kluczowe parametry modeli i procedury uczenia.
W ramach projektu zostaną przeprowadzone testy porównawcze, które wskażą parametry najsilniej wpływające na jakość predykcji oraz najbardziej efektywne konfiguracje. Istotnym elementem projektu będzie zapewnienie jakości danych wejściowych: dane do projektu zostaną pozyskane dzięki współpracy z Zespołem Uczenia Maszynowego, co umożliwi dostęp do odpowiednich zasobów danych oraz wsparcie w ich wstępnym przygotowaniu.
Oczekiwanym rezultatem będzie zestaw wniosków i rekomendacji dotyczących doboru parametrów modeli dla zadania klasyfikacji zaburzeń leśnych oraz materiał badawczy stanowiący podstawę do dalszych prac.
