A Deep Learning Based Oil Spill Early Warning System

Yang, Yi-Jie und Singha, Suman und Goldman, Ron (2022) A Deep Learning Based Oil Spill Early Warning System. In: ESA Living Planet. ESA Living Planet Symposium, 2022-05-23 - 2022-05-27, Bonn, Germany.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Offizielle URL: https://express.converia.de/frontend/index.php?page_id=18446&v=List&do=15&day=all&ses=20863#

elib-URL des Eintrags:

https://elib.dlr.de/146708/

Dokumentart:

Konferenzbeitrag (Vortrag)

Titel:

A Deep Learning Based Oil Spill Early Warning System

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Yang, Yi-Jie	CAU Kiel, 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
Goldman, Ron	Israel Oceanographic and Limnological Research (IOLR)	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

Datum:

27 Mai 2022

Erschienen in:

ESA Living Planet

Referierte Publikation:

Nein

Open Access:

Nein

Gold Open Access:

Nein

In SCOPUS:

Nein

In ISI Web of Science:

Nein

Status:

veröffentlicht

Stichwörter:

SAR, deep learning, oil spill detection, Sentinel 1

Veranstaltungstitel:

ESA Living Planet Symposium

Veranstaltungsort:

Bonn, Germany

Veranstaltungsart:

internationale Konferenz

Veranstaltungsbeginn:

23 Mai 2022

Veranstaltungsende:

27 Mai 2022

Veranstalter :

ESA / DLR

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:

25 Jul 2022 08:55

Letzte Änderung:

24 Apr 2024 20:45

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags