Dyp læring for segmentering av fjernmålingsbilder

Dyp læring for segmentering av fjernmålingsbilder anvender konvolusjonelle nevrale nettverk og enkoder-dekoder-arkitekturer for automatisk å klassifisere og avgrense objekter i satellitt- eller flybilder på pikselnivå. Systematisk gjennomgått av Zhu et al. (2017) i IEEE Geoscience and Remote Sensing Magazine, forente dette paradigmet tidligere fragmenterte tilnærminger – scene-klassifisering, objektdeteksjon og semantisk segmentering – under et enkelt rammeverk for lærte trekk, kapabelt til å utnytte den romlige, spektrale og temporale rikdommen i fjernmålingsdata.