Tell a friend
Print
Knopp, Lisa and Wieland, Marc and Rättich, Michaela and Martinis, Sandro (2022) Ein Deep Learning Ansatz zur Klassifikation von Brandflächen in Sentinel-2 Aufnahmen. In: Künstliche Intelligenz in der Geodäsie Künstliche Intelligenz in Geodäsie und Geoinformatik: Potenziale und Best-Practice Beispiele. VDE Verlag. pp. 95-110. ISBN 978-3-87907-717-5.
Full text not available from this repository.
Abstract
Auf Grund des großen Potentials von CNNs, komplexe Zusammenhänge darzustellen, wurde am Deutschen Zentrum für Luft- und Raumfahrt (DLR) eine auf Deep Learning basierende Methodik für die Klassifikation von Brandflächen in Sentinel-2 Aufnahmen entwickelt. Diese wird im Folgenden vorgestellt. Es wird zunächst die Erstellung eines geeigneten Referenzdatensatzes näher beschrieben, anschließend werden Architektur und das Training des CNNs erläutert. Nach der Vorstellung der Ergebnisse folgt eine ausführliche Diskussion sowie ein kurzes Fazit mit Ausblick auf zukünftige Arbeiten.
| Item URL in elib: | https://elib.dlr.de/187307/ | ||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Document Type: | Contribution to a Collection | ||||||||||||||||||||
| Title: | Ein Deep Learning Ansatz zur Klassifikation von Brandflächen in Sentinel-2 Aufnahmen | ||||||||||||||||||||
| Authors: |
| ||||||||||||||||||||
| Date: | 2022 | ||||||||||||||||||||
| Journal or Publication Title: | Künstliche Intelligenz in der Geodäsie | ||||||||||||||||||||
| Refereed publication: | Yes | ||||||||||||||||||||
| Open Access: | No | ||||||||||||||||||||
| Gold Open Access: | No | ||||||||||||||||||||
| In SCOPUS: | No | ||||||||||||||||||||
| In ISI Web of Science: | No | ||||||||||||||||||||
| Page Range: | pp. 95-110 | ||||||||||||||||||||
| Editors: |
| ||||||||||||||||||||
| Publisher: | VDE Verlag | ||||||||||||||||||||
| Series Name: | Künstliche Intelligenz in Geodäsie und Geoinformatik: Potenziale und Best-Practice Beispiele | ||||||||||||||||||||
| ISBN: | 978-3-87907-717-5 | ||||||||||||||||||||
| Status: | Published | ||||||||||||||||||||
| Keywords: | Deep learning, burnt areas, Sentinel | ||||||||||||||||||||
| HGF - Research field: | Aeronautics, Space and Transport | ||||||||||||||||||||
| HGF - Program: | Space | ||||||||||||||||||||
| HGF - Program Themes: | Earth Observation | ||||||||||||||||||||
| DLR - Research area: | Raumfahrt | ||||||||||||||||||||
| DLR - Program: | R EO - Earth Observation | ||||||||||||||||||||
| DLR - Research theme (Project): | R - Remote Sensing and Geo Research | ||||||||||||||||||||
| Location: | Oberpfaffenhofen | ||||||||||||||||||||
| Institutes and Institutions: | German Remote Sensing Data Center > Geo Risks and Civil Security | ||||||||||||||||||||
| Deposited By: | Wieland, Dr Marc | ||||||||||||||||||||
| Deposited On: | 23 Nov 2022 10:31 | ||||||||||||||||||||
| Last Modified: | 23 Nov 2022 10:31 |
Repository Staff Only: item control page
