Deep Learning für die Segmentierung von Fernerkundungsbildern

Deep Learning für die Segmentierung von Fernerkundungsbildern wendet Convolutional Neural Networks und Encoder-Decoder-Architekturen an, um Objekte in Satelliten- oder Luftbildern auf Pixelebene automatisch zu klassifizieren und abzugrenzen. Systematisch von Zhu et al. (2017) im IEEE Geoscience and Remote Sensing Magazine rezensiert, vereinte dieses Paradigma zuvor fragmentierte Ansätze – Szenenklassifikation, Objekterkennung und semantische Segmentierung – unter einem einzigen Framework gelernter Merkmale, das die räumliche, spektrale und zeitliche Reichhaltigkeit von Fernerkundungsdaten nutzen kann.