Zobrazeno 1 - 10
of 33
pro vyhledávání: '"Hoeser, Thorsten"'
Autor:
Hoeser, Thorsten, Kuenzer, Claudia
With the emergence of deep learning in the last years, new opportunities arose in Earth observation research. Nevertheless, they also brought with them new challenges. The data-hungry training processes of deep learning models demand large, resource
Externí odkaz:
http://arxiv.org/abs/2112.02829
Autor:
Hoeser, Thorsten, Kuenzer, Claudia
Publikováno v:
In International Journal of Applied Earth Observation and Geoinformation August 2022 112
Autor:
Hoeser, Thorsten, Kuenzer, Claudia
Publikováno v:
In ISPRS Journal of Photogrammetry and Remote Sensing July 2022 189:163-184
Autor:
Kriese, Jennifer1 (AUTHOR) jennifer.kriese@dlr.de, Hoeser, Thorsten1 (AUTHOR), Asam, Sarah1 (AUTHOR), Kacic, Patrick1 (AUTHOR), Da Ponte, Emmanuel1 (AUTHOR), Gessner, Ursula1 (AUTHOR)
Publikováno v:
Remote Sensing. Sep2022, Vol. 14 Issue 17, p4327. 21p.
Autor:
Hoeser, Thorsten1 (AUTHOR) thorsten.hoeser@dlr.de, Feuerstein, Stefanie1 (AUTHOR), Kuenzer, Claudia1,2 (AUTHOR)
Publikováno v:
Earth System Science Data. 2022, Vol. 14 Issue 9, p4251-4270. 20p.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Klein, Igor, van der Woude, Sietse, Schwarzenbacher, Frederic, Eisfelder, Christina, Uereyen, Soner, Hoeser, Thorsten, Sogno, Patrick, Kuenzer, Claudia
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od______1640::8224adc33c372516a9d8bc2a546c8e01
https://elib.dlr.de/186628/
https://elib.dlr.de/186628/
Publikováno v:
Remote Sensing, Vol 12, Iss 3053, p 3053 (2020)
In Earth observation (EO), large-scale land-surface dynamics are traditionally analyzed by investigating aggregated classes. The increase in data with a very high spatial resolution enables investigations on a fine-grained feature level which can hel
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::3f32e3f8184595b8cb5111f38fb40c63
https://elib.dlr.de/136194/
https://elib.dlr.de/136194/
Autor:
Hoeser, Thorsten, Kuenzer, Claudia
Publikováno v:
Remote Sensing, Vol 12, Iss 1667, p 1667 (2020)
Deep learning (DL) has great influence on large parts of science and increasingly established itself as an adaptive method for new challenges in the field of Earth observation (EO). Nevertheless, the entry barriers for EO researchers are high due to
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::8ba00711e8b288ae4158a4440cc100d7
https://opus.bibliothek.uni-wuerzburg.de/files/20591/remotesensing-12-01667-v3.pdf
https://opus.bibliothek.uni-wuerzburg.de/files/20591/remotesensing-12-01667-v3.pdf
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.