Deep Learning Based Oil Spill Detection Using Sentinel-1 SAR Data

Yang, Yi-Jie und Singha, Suman (2021) Deep Learning Based Oil Spill Detection Using Sentinel-1 SAR Data. European Workshop on Maritime Systems Resilience and Security - MARESEC 2021, 2021-06-14, Bremerhaven, Germany - online.

PDF
2MB

Offizielle URL: https://dlr.expert/maresec2021

elib-URL des Eintrags:

https://elib.dlr.de/142610/

Dokumentart:

Konferenzbeitrag (Vortrag)

Zusätzliche Informationen:

conference Link: https://dlr.expert/maresec2021

Titel:

Deep Learning Based Oil Spill Detection Using Sentinel-1 SAR Data

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Yang, Yi-Jie	Research and Technology Centre Westcoast, University of Kiel, Busum, Germany/ Yi-Jie.Yang (at) dlr.de	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Singha, Suman	Suman.Singha (at) dlr.de	https://orcid.org/0000-0002-1880-6868	NICHT SPEZIFIZIERT

Datum:

14 Juni 2021

Referierte Publikation:

Nein

Open Access:

Gold Open Access:

Nein

In SCOPUS:

Nein

In ISI Web of Science:

Nein

Status:

veröffentlicht

Stichwörter:

Synthetic Aperture Radar, SAR, deep learning Sentienl-1, oil, oilspill, detection, environment

Veranstaltungstitel:

European Workshop on Maritime Systems Resilience and Security - MARESEC 2021

Veranstaltungsort:

Bremerhaven, Germany - online

Veranstaltungsart:

internationale Konferenz

Veranstaltungsdatum:

14 Juni 2021

Veranstalter :

German Aerospace Center - DLR e.V.

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 - SAR-Methoden

Standort:

Bremen , Oberpfaffenhofen

Institute & Einrichtungen:

Institut für Methodik der Fernerkundung > SAR-Signalverarbeitung

Hinterlegt von:

Kaps, Ruth

Hinterlegt am:

28 Okt 2021 10:42

Letzte Änderung:

24 Apr 2024 20:42

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags