Dziļā apmācība attālās izpētes attēlu segmentācijai
Dziļā apmācība attālās izpētes attēlu segmentācijai attēlu segmentācijai izmanto konvolūciju neironu tīklus un kodētāja-dekodētāja arhitektūras, lai automātiski klasificētu un izdalītu objektus satelīta vai gaisa attēlos pikseļu līmenī. Sistēmiski pārskatīts Zhu et al. (2017) žurnālā IEEE Geoscience and Remote Sensing Magazine, šis paradigmas vienoja iepriekš fragmentētās pieejas — ainu klasifikāciju, objektu noteikšanu un semantisko segmentāciju — vienotā apgūto iezīmju sistēmā, kas spēj izmantot attālās izpētes datu telpisko, spektrālo un laika bagātību.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Deep Learning for Remote Sensing Image Segmentation. ScholarGate. https://scholargate.app/lv/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.
- Uz objektu balstīta attēlu analīze (OBIA)Tālizpēte↔ compare
- U-NetDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →