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

Flood Detection in Time Series of Optical and SAR Images

Rambour, C und Audebert, N und Koeniguer, E und Le Saux, Bertrand und Crucianu, M und Datcu, Mihai (2020) Flood Detection in Time Series of Optical and SAR Images. In: The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLIII (B2), Seiten 1343-1346. ISPRS 2020, 2020-08-31 - 2020-09-02, online. doi: 10.5194/isprs-archives-XLIII-B2-2020-1343-202. ISSN 1682-1750.

[img] PDF
6MB

Offizielle URL: https://www.int-arch-photogramm-remote-sens-spatial-inf-sci.net/XLIII-B2-2020/1343/2020/

Kurzfassung

These last decades, Earth Observation brought a number of new perspectives from geosciences to human activity monitoring. As more data became available, Artificial Intelligence (AI) techniques led to very successful results for understanding remote sensing data. Moreover, various acquisition techniques such as Synthetic Aperture Radar (SAR) can also be used for problems that could not be tackled only through optical images. This is the case for weather-related disasters such as floods or hurricanes, which are generally associated with large clouds cover. Yet, machine learning on SAR data is still considered challenging due to the lack of available labeled data. To help the community go forward, we introduce a new dataset composed of co-registered optical and SAR images time series for the detection of flood events and new neural network approaches to leverage these two modalities.

elib-URL des Eintrags:https://elib.dlr.de/138122/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Flood Detection in Time Series of Optical and SAR Images
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Rambour, CCEDRIC (EA4629), Conservatoire National des Arts et Métiers, HESAM UniversitéNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Audebert, NCEDRIC (EA4629), Conservatoire National des Arts et Métiers, HESAM UniversitéNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Koeniguer, EONERA / DTIS, Université Paris-Saclay, F-91123 Palaiseau, FranceNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Le Saux, BertrandONERA / DTIS, Université Paris-Saclay, F-91123 Palaiseau, FranceNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Crucianu, MCEDRIC (EA4629), Conservatoire National des Arts et Métiers, HESAM UniversitéNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datcu, MihaiMihai.Datcu (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:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
Band:XLIII
DOI:10.5194/isprs-archives-XLIII-B2-2020-1343-202
Seitenbereich:Seiten 1343-1346
ISSN:1682-1750
Status:veröffentlicht
Stichwörter:Synthetic Aperture Radar, Artificial Intellegence, Machine Learning
Veranstaltungstitel:ISPRS 2020
Veranstaltungsort:online
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:31 August 2020
Veranstaltungsende:2 September 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: Karmakar, Chandrabali
Hinterlegt am:25 Nov 2020 16:43
Letzte Änderung:10 Jul 2024 08:50

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.