Estimation of SAR Quantization Error: Potentials of Deep Learning and Classical Methods

Carcereri, Daniel (2020) Estimation of SAR Quantization Error: Potentials of Deep Learning and Classical Methods. Masterarbeit, University of Trento.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

elib-URL des Eintrags:

https://elib.dlr.de/134289/

Dokumentart:

Hochschulschrift (Masterarbeit)

Titel:

Estimation of SAR Quantization Error: Potentials of Deep Learning and Classical Methods

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Carcereri, Daniel	daniel.carcereri (at) studenti.unitn.it	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

Datum:

Oktober 2020

Referierte Publikation:

Open Access:

Nein

Seitenanzahl:

Status:

veröffentlicht

Stichwörter:

Synthetic Aperture Radar (SAR), Quantization, Data Volume Reduction, Convolutional Neural Network (CNN), Deep Learning

Institution:

University of Trento

Abteilung:

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 - Projekt TanDEM-X (alt)

Standort:

Oberpfaffenhofen

Institute & Einrichtungen:

Institut für Hochfrequenztechnik und Radarsysteme > Satelliten-SAR-Systeme

Hinterlegt von:

Martone, Michele

Hinterlegt am:

02 Mär 2020 11:56

Letzte Änderung:

12 Nov 2020 10:41

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags