การแบ่งส่วนภาพระยะไกลด้วยการเรียนรู้เชิงลึก
การแบ่งส่วนภาพระยะไกลด้วยการเรียนรู้เชิงลึกประยุกต์ใช้โครงข่ายประสาทเทียมแบบสังวัตนาการและสถาปัตยกรรมตัวเข้ารหัส-ตัวถอดรหัสเพื่อจำแนกและกำหนดขอบเขตวัตถุในภาพถ่ายดาวเทียมหรือภาพถ่ายทางอากาศโดยอัตโนมัติในระดับพิกเซล การทบทวนอย่างเป็นระบบโดย Zhu และคณะ (2017) ในวารสาร IEEE Geoscience and Remote Sensing Magazine กระบวนทัศน์นี้ได้รวมแนวทางที่เคยแยกส่วนกันมาก่อน ได้แก่ การจำแนกฉาก การตรวจจับวัตถุ และการแบ่งส่วนเชิงความหมาย ภายใต้กรอบการเรียนรู้คุณลักษณะเดียวที่สามารถใช้ประโยชน์จากความสมบูรณ์เชิงพื้นที่ เชิงสเปกตรัม และเชิงเวลาของข้อมูลการสำรวจระยะไกล
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Zhu, X. X., et al. (2017). Deep learning in remote sensing: A comprehensive review and list of resources. IEEE Geoscience and Remote Sensing Magazine, 5(4), 8–36. DOI: 10.1109/MGRS.2017.2762307 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Deep Learning for Remote Sensing Image Segmentation. ScholarGate. https://scholargate.app/th/remote-sensing/deep-remote-sensing
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- การวิเคราะห์ภาพเชิงวัตถุ (Object-Based Image Analysis - OBIA)การสำรวจระยะไกล↔ compare
- U-Netการเรียนรู้เชิงลึก↔ compare