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.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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.
- Analisis Imej Berasaskan Objek (OBIA)Penderiaan Jauh↔ compare
- U-NetPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →