Duboko učenje za segmentaciju slika daljinskih istraživanja
Duboko učenje za segmentaciju slika daljinskih istraživanja primjenjuje konvolucijske neuronske mreže i arhitekture enkoder-dekoder za automatsku klasifikaciju i razgraničenje objekata na satelitskim ili zračnim snimkama na razini piksela. Sustavno su ga pregledali Zhu i sur. (2017.) u časopisu IEEE Geoscience and Remote Sensing Magazine, a ova je paradigma objedinila prethodno fragmentirane pristupe — klasifikaciju scena, detekciju objekata i semantičku segmentaciju — pod jedinstvenim okvirom naučenih značajki sposobnim iskoristiti prostorno, spektralno i vremensko bogatstvo podataka daljinskih istraživanja.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Deep Learning for Remote Sensing Image Segmentation. ScholarGate. https://scholargate.app/hr/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.
- Objektno orijentirana analiza slike (OBIA)Daljinsko istraživanje↔ compare
- U-NetDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →