Głębokie uczenie w obrazowaniu teledetekcyjnym do segmentacji

Głębokie uczenie w obrazowaniu teledetekcyjnym do segmentacji stosuje konwolucyjne sieci neuronowe i architektury typu enkoder-dekoder do automatycznej klasyfikacji i wyznaczania obiektów na obrazach satelitarnych lub lotniczych na poziomie pikseli. Systematycznie przeglądany przez Zhu i in. (2017) w czasopiśmie IEEE Geoscience and Remote Sensing Magazine, ten paradygmat ujednolicił wcześniej fragmentaryczne podejścia – klasyfikację scen, detekcję obiektów i segmentację semantyczną – w ramach jednego, wyuczonego modelu cech, zdolnego do wykorzystania bogactwa przestrzennego, spektralnego i czasowego danych teledetekcyjnych.