Aprenentatge profund per a la segmentació d'imatges de teledetecció
L'aprenentatge profund per a la segmentació d'imatges de teledetecció aplica xarxes neuronals convolucionals i arquitectures codificador-descodificador per classificar i delinear automàticament objectes en imatges satel·litals o aèries a nivell de píxel. Revisat sistemàticament per Zhu et al. (2017) a IEEE Geoscience and Remote Sensing Magazine, aquest paradigma va unificar enfocaments prèviament fragmentats —classificació d'escenes, detecció d'objectes i segmentació semàntica— sota un únic marc de característiques apreses capaç d'explotar la riquesa espacial, espectral i temporal de les dades de teledetecció.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 2). Deep Learning for Remote Sensing Image Segmentation. ScholarGate. https://scholargate.app/ca/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.
- Anàlisi d'Imatges Basada en Objectes (OBIA)Teledetecció↔ compare
- U-NetAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →