elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Deep Learning in Remote Sensing: A Comprehensive Review and List of Resources

Zhu, Xiao Xiang und Tuia, Devis und Mou, Lichao und Xia, Gui-Song und Zhang, Liangpei und Xu, Feng und Fraundorfer, Friedrich (2017) Deep Learning in Remote Sensing: A Comprehensive Review and List of Resources. IEEE Geoscience and Remote Sensing Magazine (GRSM), 5 (4), Seiten 8-36. IEEE - Institute of Electrical and Electronics Engineers. doi: 10.1109/MGRS.2017.2762307. ISSN 2168-6831.

[img] PDF
6MB

Offizielle URL: http://ieeexplore.ieee.org/document/8113128/

Kurzfassung

Central to the looming paradigm shift toward data-intensive science, machine-learning techniques are becoming increasingly important. In particular, deep learning has proven to be both a major breakthrough and an extremely powerful tool in many fields. Shall we embrace deep learning as the key to everything? Or should we resist a black-box solution? These are controversial issues within the remote-sensing community. In this article, we analyze the challenges of using deep learning for remote-sensing data analysis, review recent advances, and provide resources we hope will make deep learning in remote sensing seem ridiculously simple. More importantly, we encourage remote-sensing scientists to bring their expertise into deep learning and use it as an implicit general model to tackle unprecedented, large-scale, influential challenges, such as climate change and urbanization.

elib-URL des Eintrags:https://elib.dlr.de/118694/
Dokumentart:Zeitschriftenbeitrag
Titel:Deep Learning in Remote Sensing: A Comprehensive Review and List of Resources
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Zhu, Xiao Xiangxiao.zhu (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Tuia, Devisdevis.tuia (at) wur.nlNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Mou, Lichaolichao.mou (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Xia, Gui-Songguisong.xia (at) whu.edu.cnNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Zhang, Liangpeizlp62 (at) whu.edu.cnNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Xu, Fengfengxu (at) fudan.edu.cnNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Fraundorfer, Friedrichfriedrich.fraundorfer (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:Dezember 2017
Erschienen in:IEEE Geoscience and Remote Sensing Magazine (GRSM)
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
Band:5
DOI:10.1109/MGRS.2017.2762307
Seitenbereich:Seiten 8-36
Verlag:IEEE - Institute of Electrical and Electronics Engineers
ISSN:2168-6831
Status:veröffentlicht
Stichwörter:Deep learning, remote sensing
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 > SAR-Signalverarbeitung
Hinterlegt von: Mou, LiChao
Hinterlegt am:08 Feb 2018 11:42
Letzte Änderung:27 Nov 2023 11:55

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.