Дълбоко обучение за сегментиране на изображения от дистанционни изследвания
Дълбокото обучение за сегментиране на изображения от дистанционни изследвания прилага конволюционни невронни мрежи и архитектури тип енкодер-декодер за автоматична класификация и очертаване на обекти в сателитни или въздушни изображения на ниво пиксел. Систематично прегледан от Zhu et al. (2017) в IEEE Geoscience and Remote Sensing Magazine, този парадигма обедини преди това фрагментирани подходи — класификация на сцени, детекция на обекти и семантична сегментация — под обща рамка за научени признаци, способна да използва пространствената, спектралната и времевата наситеност на данните от дистанционни изследвания.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Zhu, X. X., et al. (2017). Deep learning in remote sensing: A comprehensive review and list of resources. IEEE Geoscience and Remote Sensing Magazine, 5(4), 8–36. DOI: 10.1109/MGRS.2017.2762307 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). Deep Learning for Remote Sensing Image Segmentation. ScholarGate. https://scholargate.app/bg/remote-sensing/deep-remote-sensing
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Обектно-базиран анализ на изображения (OBIA)Дистанционно сондиране↔ compare
- U-NetДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →