Zobrazeno 1 - 10
of 14
pro vyhledávání: '"M. Voelsen"'
Publikováno v:
ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol X-1-W1-2023, Pp 981-990 (2023)
The pixel-wise classification of land cover, i.e. the task of identifying the physical material of the Earth’s surface in an image, is one of the basic applications of satellite image time series (SITS) processing. With the availability of large am
Externí odkaz:
https://doaj.org/article/0917dc12fdcd47d19cd5a43e5f373a47
Publikováno v:
ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol V-2-2022, Pp 307-315 (2022)
We present an approach for detecting early signs for upcoming forest damages by training a Convolutional Neural Network (CNN) for the pixel-wise prediction of the remaining life-time (RLT) of trees in forests based on Sentinel-2 imagery. We focus on
Externí odkaz:
https://doaj.org/article/0a34dd37ac624a0e9ba6938ec7d5a708
Publikováno v:
ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol V-3-2022, Pp 271-279 (2022)
With the availability of large amounts of satellite image time series (SITS), the identification of different materials of the Earth’s surface is possible with a high temporal resolution. One of the basic tasks is the pixel-wise classification of l
Externí odkaz:
https://doaj.org/article/7da2e38a0785401799fc9f7aee387336
Publikováno v:
ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol V-3-2021, Pp 181-189 (2021)
Fully convolutional neural networks (FCN) are successfully used for pixel-wise land cover classification - the task of identifying the physical material of the Earth’s surface for every pixel in an image. The acquisition of large training datasets
Externí odkaz:
https://doaj.org/article/b1d4cf42caa24a338d598229370ce569
Publikováno v:
The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol XLIII-B3-2020, Pp 767-774 (2020)
Pixel-wise classification of remote sensing imagery is highly interesting for tasks like land cover classification or change detection. The acquisition of large training data sets for these tasks is challenging, but necessary to obtain good results w
Externí odkaz:
https://doaj.org/article/4f1d885b65424dfe9d49626a3e39b92f
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol V-3-2021, Pp 181-189 (2021)
Fully convolutional neural networks (FCN) are successfully used for pixel-wise land cover classification - the task of identifying the physical material of the Earth’s surface for every pixel in an image. The acquisition of large training datasets
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::94ec9ae19610d5a3c1fe1b9fd7a97003
https://doi.org/10.5194/isprs-annals-v-3-2021-181-2021
https://doi.org/10.5194/isprs-annals-v-3-2021-181-2021
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Conference
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Conference
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.