Marmanis, Dimitrios und Yao, Wei und Adam, Fathalrahman und Datcu, Mihai und Reinartz, Peter und Schindler, Konrad und Wegner, Jan D. und Stilla, Uwe (2017) Artificial generation of big data for improving image classification: a generative adversarial network approach on SAR data. Big data from space 2017, 2017-11-28 - 2017-11-30, Toulouse, France.
PDF
306kB |
Kurzfassung
Very High Spatial Resolution (VHSR) large-scale SAR image databases are still an unresolved issue in the Remote Sensing field. In this work, we propose such a dataset and use it to explore patch-based classification in urban and periurban areas, considering 7 distinct semantic classes. In this context, we investigate the accuracy of large CNN classification models and pre-trained networks for SAR imaging systems. Furthermore, we propose a Generative Adversarial Network (GAN) for SAR image generation and test, whether the synthetic data can actually improve classification accuracy.
elib-URL des Eintrags: | https://elib.dlr.de/117831/ | ||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Dokumentart: | Konferenzbeitrag (Vortrag) | ||||||||||||||||||||||||||||||||||||
Titel: | Artificial generation of big data for improving image classification: a generative adversarial network approach on SAR data | ||||||||||||||||||||||||||||||||||||
Autoren: |
| ||||||||||||||||||||||||||||||||||||
Datum: | 2017 | ||||||||||||||||||||||||||||||||||||
Referierte Publikation: | Nein | ||||||||||||||||||||||||||||||||||||
Open Access: | Ja | ||||||||||||||||||||||||||||||||||||
Gold Open Access: | Nein | ||||||||||||||||||||||||||||||||||||
In SCOPUS: | Nein | ||||||||||||||||||||||||||||||||||||
In ISI Web of Science: | Nein | ||||||||||||||||||||||||||||||||||||
Seitenbereich: | Seiten 1-4 | ||||||||||||||||||||||||||||||||||||
Status: | veröffentlicht | ||||||||||||||||||||||||||||||||||||
Stichwörter: | Big Data, SAR classification, GANs, Generative Adversarial Networks, Deep Learning | ||||||||||||||||||||||||||||||||||||
Veranstaltungstitel: | Big data from space 2017 | ||||||||||||||||||||||||||||||||||||
Veranstaltungsort: | Toulouse, France | ||||||||||||||||||||||||||||||||||||
Veranstaltungsart: | internationale Konferenz | ||||||||||||||||||||||||||||||||||||
Veranstaltungsbeginn: | 28 November 2017 | ||||||||||||||||||||||||||||||||||||
Veranstaltungsende: | 30 November 2017 | ||||||||||||||||||||||||||||||||||||
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 - Vorhaben hochauflösende Fernerkundungsverfahren (alt) | ||||||||||||||||||||||||||||||||||||
Standort: | Oberpfaffenhofen | ||||||||||||||||||||||||||||||||||||
Institute & Einrichtungen: | Institut für Methodik der Fernerkundung > Photogrammetrie und Bildanalyse Deutsches Fernerkundungsdatenzentrum > Landoberfläche | ||||||||||||||||||||||||||||||||||||
Hinterlegt von: | Yao, Wei | ||||||||||||||||||||||||||||||||||||
Hinterlegt am: | 08 Jan 2018 13:08 | ||||||||||||||||||||||||||||||||||||
Letzte Änderung: | 24 Apr 2024 20:22 |
Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags