Versenden
Drucken
Gobbi, Giorgia (2019) InSAR Parameters Retrieval using Deep Residual Learning. Masterarbeit, University of Trento.
Dieses Archiv kann nicht den Volltext zur Verfügung stellen.
| elib-URL des Eintrags: | https://elib.dlr.de/126805/ | ||||||||
|---|---|---|---|---|---|---|---|---|---|
| Dokumentart: | Hochschulschrift (Masterarbeit) | ||||||||
| Titel: | InSAR Parameters Retrieval using Deep Residual Learning | ||||||||
| Autoren: |
| ||||||||
| Datum: | Oktober 2019 | ||||||||
| Referierte Publikation: | Ja | ||||||||
| Open Access: | Nein | ||||||||
| Status: | veröffentlicht | ||||||||
| Stichwörter: | InSAR Phase estimation, Deep Learning, Convolutional Neural Network, Synthetic Aperture Radar | ||||||||
| Institution: | University of Trento | ||||||||
| Abteilung: | Department of Information Engineering and Computer Science | ||||||||
| HGF - Forschungsbereich: | Luftfahrt, Raumfahrt und Verkehr | ||||||||
| HGF - Programm: | Raumfahrt | ||||||||
| HGF - Programmthema: | Erdbeobachtung | ||||||||
| DLR - Schwerpunkt: | Raumfahrt | ||||||||
| DLR - Forschungsgebiet: | R EO - Erdbeobachtung | ||||||||
| DLR - Teilgebiet (Projekt, Vorhaben): | R - SAR-Methoden | ||||||||
| Standort: | Oberpfaffenhofen | ||||||||
| Institute & Einrichtungen: | Institut für Hochfrequenztechnik und Radarsysteme > Satelliten-SAR-Systeme | ||||||||
| Hinterlegt von: | Sica, Dr. Francescopaolo | ||||||||
| Hinterlegt am: | 12 Mär 2019 17:06 | ||||||||
| Letzte Änderung: | 08 Jan 2020 09:56 |
Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags
