Deep Learning for Time-Series Analysis of Optical Satellite Imagery

Kondmann, Lukas (2023) Deep Learning for Time-Series Analysis of Optical Satellite Imagery. Dissertation, Technical University Munich.

PDF
29MB

Offizielle URL: https://mediatum.ub.tum.de/?id=1705991

Kurzfassung

In this cumulative thesis, I cover four papers on time-series analysis of optical satellite imagery. The contribution is split into two parts. The first one introduces DENETHOR and DynamicEarthNet, two landmark datasets with high-quality ground truth data for agricultural monitoring and change detection. Second, I introduce SiROC and SemiSiROC, two methodological contributions to label-efficient change detection.

elib-URL des Eintrags:

https://elib.dlr.de/199713/

Dokumentart:

Hochschulschrift (Dissertation)

Titel:

Deep Learning for Time-Series Analysis of Optical Satellite Imagery

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Kondmann, Lukas	lukas.kondmann (at) dlr.de	https://orcid.org/0000-0002-2253-6936	NICHT SPEZIFIZIERT

Datum:

24 April 2023

Referierte Publikation:

Nein

Open Access:

Gold Open Access:

Nein

In SCOPUS:

Nein

In ISI Web of Science:

Nein

Seitenanzahl:

140

Status:

veröffentlicht

Stichwörter:

Change detection, agricultural monitoring

Institution:

Technical University Munich

Abteilung:

TUM School of Engineering and Design

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 - Künstliche Intelligenz

Standort:

Oberpfaffenhofen

Institute & Einrichtungen:

Institut für Methodik der Fernerkundung > EO Data Science

Hinterlegt von:

Camero, Dr Andres

Hinterlegt am:

28 Nov 2023 12:47

Letzte Änderung:

28 Nov 2023 12:47

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags