Βαθιά Μάθηση για Τμηματοποίηση Εικόνων Τηλεπισκόπησης
Η Βαθιά Μάθηση για Τμηματοποίηση Εικόνων Τηλεπισκόπησης εφαρμόζει συνελικτικά νευρωνικά δίκτυα και αρχιτεκτονικές κωδικοποιητή-αποκωδικοποιητή για την αυτόματη ταξινόμηση και οριοθέτηση αντικειμένων σε δορυφορικές ή αεροφωτογραφίες σε επίπεδο εικονοστοιχείου. Συστηματικά ανασκοπημένο από τους Zhu et al. (2017) στο IEEE Geoscience and Remote Sensing Magazine, αυτό το παράδειγμα ενοποίησε προηγούμενες κατακερματισμένες προσεγγίσεις — ταξινόμηση σκηνής, ανίχνευση αντικειμένων και σημασιολογική τμηματοποίηση — υπό ένα ενιαίο πλαίσιο μαθημένων χαρακτηριστικών, ικανό να αξιοποιήσει τον χωρικό, φασματικό και χρονικό πλούτο των δεδομένων τηλεπισκόπησης.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 2). Deep Learning for Remote Sensing Image Segmentation. ScholarGate. https://scholargate.app/el/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.
- Ανάλυση Εικόνας Βάσει Αντικειμένων (OBIA)Τηλεπισκόπηση↔ compare
- U-NetΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →