Hluboké učení pro segmentaci obrazů z dálkového průzkumu Země
Hluboké učení pro segmentaci obrazů z dálkového průzkumu Země aplikuje konvoluční neuronové sítě a architektury kodér-dekodér pro automatickou klasifikaci a vymezení objektů v satelitních nebo leteckých snímcích na úrovni pixelů. Tento přístup, systematicky revidovaný Zhu et al. (2017) v časopise IEEE Geoscience and Remote Sensing Magazine, sjednotil dříve roztříštěné metody – klasifikaci scén, detekci objektů a sémantickou segmentaci – pod jediným rámcem naučených příznaků, schopným využít prostorovou, spektrální a časovou bohatost dat z dálkového průzkumu Země.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 2). Deep Learning for Remote Sensing Image Segmentation. ScholarGate. https://scholargate.app/cs/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.
- Objektově orientovaná analýza obrazu (OBIA)Dálkový průzkum Země↔ compare
- U-NetHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →