Deep Learning for Remote Sensing Image Segmentation

Deep Learning for Remote Sensing Image Segmentation anvender konvolutionelle neurale netværk og encoder-decoder-arkitekturer til automatisk at klassificere og afgrænse objekter i satellit- eller luftbilleder på pixelniveau. Systematisk gennemgået af Zhu et al. (2017) i IEEE Geoscience and Remote Sensing Magazine, forenede dette paradigme tidligere fragmenterede tilgange — sceneklassifikation, objektgenkendelse og semantisk segmentering — under et enkelt lært-feature-framework, der er i stand til at udnytte den rumlige, spektrale og temporale rigdom af fjernmålingsdata.