Deep Learning for Remote Sensing Image Segmentation

Deep Learning for Remote Sensing Image Segmentation aplica redes neurais convolucionais e arquiteturas encoder-decoder para classificar e delinear automaticamente objetos em imagens de satélite ou aéreas no nível de pixel. Revisada sistematicamente por Zhu et al. (2017) na IEEE Geoscience and Remote Sensing Magazine, essa abordagem unificou métodos anteriormente fragmentados — classificação de cena, detecção de objetos e segmentação semântica — sob um único framework de características aprendidas, capaz de explorar a riqueza espacial, espectral e temporal dos dados de sensoriamento remoto.