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

Unsupervised Domain Adaption Using A Teacher-Student Network for Cross-City Classification of SENTINEL-2 Images

Hu, Jingliang und Mou, LiChao und Zhu, Xiao Xiang (2020) Unsupervised Domain Adaption Using A Teacher-Student Network for Cross-City Classification of SENTINEL-2 Images. In: The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLII (B2), Seiten 1569-1574. ISPRS2020, 31. Aug. - 02. Sept. 2020, Nice, France. doi: 10.5194/isprs-archives-XLIII-B2-2020-1569-2020. ISSN 1682-1750.

[img] PDF - Nur DLR-intern zugänglich
1MB

Offizielle URL: https://www.int-arch-photogramm-remote-sens-spatial-inf-sci.net/XLIII-B2-2020/1569/2020/


elib-URL des Eintrags:https://elib.dlr.de/137592/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Unsupervised Domain Adaption Using A Teacher-Student Network for Cross-City Classification of SENTINEL-2 Images
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Hu, Jingliangjingliang.hu (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Mou, LiChaoLiChao.Mou (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Zhu, Xiao Xiangxiao.zhu (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:2020
Erschienen in:The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
Band:XLII
DOI:10.5194/isprs-archives-XLIII-B2-2020-1569-2020
Seitenbereich:Seiten 1569-1574
ISSN:1682-1750
Status:veröffentlicht
Stichwörter:Cross-city classification, Deep learning, Mean teacher model, Teacher-student network, Transfer learning, Unsupervised domain adaptation
Veranstaltungstitel:ISPRS2020
Veranstaltungsort:Nice, France
Veranstaltungsart:internationale Konferenz
Veranstaltungsdatum:31. Aug. - 02. Sept. 2020
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 > EO Data Science
Hinterlegt von: Hu, Jingliang
Hinterlegt am:18 Nov 2020 11:57
Letzte Änderung:23 Nov 2020 16:51

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.