ScholarGate
Pembantu
Machine learningRemote sensing

Penyegmenan Imej Deria Jauh Pembelajaran Mendalam

Penyegmenan Imej Deria Jauh Pembelajaran Mendalam mengaplikasikan rangkaian neural konvolusional dan seni bina pengekod-pendekod untuk mengklasifikasi dan memerinci objek secara automatik dalam citra satelit atau udara pada peringkat piksel. Dikaji secara sistematik oleh Zhu et al. (2017) dalam IEEE Geoscience and Remote Sensing Magazine, paradigma ini menyatukan pendekatan yang sebelum ini terpecah — klasifikasi pemandangan, pengesanan objek, dan penyegmenan semantik — di bawah satu rangka kerja ciri dipelajari yang mampu memanfaatkan kekayaan spasial, spektral dan temporal data deria jauh.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

The neighbourhood of related methods — select a node to explore.

Penyegmenan Imej Deria Jauh Pembelajaran Mendalam
Analisis Imej Berasaskan…U-NetAnalisis Imej SAR

Sumber

  1. 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

Cara memetik halaman ini

ScholarGate. (2026, June 2). Deep Learning for Remote Sensing Image Segmentation. ScholarGate. https://scholargate.app/ms/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.

Compare side by side

Dirujuk oleh

ScholarGateDeep Remote Sensing (Deep Learning for Remote Sensing Image Segmentation). Dicapai 2026-06-15 daripada https://scholargate.app/ms/remote-sensing/deep-remote-sensing · Set data: https://doi.org/10.5281/zenodo.20539026