Djupinlärning för segmentering av fjärranalysbilder

Djupinlärning för segmentering av fjärranalysbilder tillämpar faltningsneurala nätverk och encoder-decoder-arkitekturer för att automatiskt klassificera och avgränsa objekt i satellit- eller flygbilder på pixelnivå. Systematiskt granskad av Zhu et al. (2017) i IEEE Geoscience and Remote Sensing Magazine, förenade denna paradigm tidigare fragmenterade metoder – scenklassificering, objektdetektering och semantisk segmentering – under ett enda ramverk för inlärda särdrag som kan utnyttja fjärranalysdata rikedom i rumslig, spektral och temporal mening.