Deep Learning voor Segmentatie van Remote Sensing Beeldmateriaal

Deep Learning voor Segmentatie van Remote Sensing Beeldmateriaal past convolutionele neurale netwerken en encoder-decoder architecturen toe om objecten in satelliet- of luchtbeelden op pixelniveau automatisch te classificeren en af te bakenen. Systematisch beoordeeld door Zhu et al. (2017) in IEEE Geoscience and Remote Sensing Magazine, verenigde dit paradigma voorheen gefragmenteerde benaderingen — sceneclassificatie, objectdetectie en semantische segmentatie — onder één enkel geleerd-kenmerkenkader dat de ruimtelijke, spectrale en temporele rijkdom van remote sensing data kan benutten.