Versenden
Drucken
Knopp, Lisa und Wieland, Marc und Rättich, Michaela und 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. Seiten 95-110. ISBN 978-3-87907-717-5.
Dieses Archiv kann nicht den Volltext zur Verfügung stellen.
Kurzfassung
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.
| elib-URL des Eintrags: | https://elib.dlr.de/187307/ | ||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Dokumentart: | Beitrag im Sammelband | ||||||||||||||||||||
| Titel: | Ein Deep Learning Ansatz zur Klassifikation von Brandflächen in Sentinel-2 Aufnahmen | ||||||||||||||||||||
| Autoren: |
| ||||||||||||||||||||
| Datum: | 2022 | ||||||||||||||||||||
| Erschienen in: | Künstliche Intelligenz in der Geodäsie | ||||||||||||||||||||
| Referierte Publikation: | Ja | ||||||||||||||||||||
| Open Access: | Nein | ||||||||||||||||||||
| Gold Open Access: | Nein | ||||||||||||||||||||
| In SCOPUS: | Nein | ||||||||||||||||||||
| In ISI Web of Science: | Nein | ||||||||||||||||||||
| Seitenbereich: | Seiten 95-110 | ||||||||||||||||||||
| Herausgeber: |
| ||||||||||||||||||||
| Verlag: | VDE Verlag | ||||||||||||||||||||
| Name der Reihe: | Künstliche Intelligenz in Geodäsie und Geoinformatik: Potenziale und Best-Practice Beispiele | ||||||||||||||||||||
| ISBN: | 978-3-87907-717-5 | ||||||||||||||||||||
| Status: | veröffentlicht | ||||||||||||||||||||
| Stichwörter: | Deep learning, burnt areas, Sentinel | ||||||||||||||||||||
| 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 - Fernerkundung u. Geoforschung | ||||||||||||||||||||
| Standort: | Oberpfaffenhofen | ||||||||||||||||||||
| Institute & Einrichtungen: | Deutsches Fernerkundungsdatenzentrum > Georisiken und zivile Sicherheit | ||||||||||||||||||||
| Hinterlegt von: | Wieland, Dr Marc | ||||||||||||||||||||
| Hinterlegt am: | 23 Nov 2022 10:31 | ||||||||||||||||||||
| Letzte Änderung: | 23 Nov 2022 10:31 |
Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags
