Urban Building Classification (UBC) V2-A Benchmark for Global Building Detection and Fine-Grained Classification From Satellite Imagery

Huang, Xingliang und Chen, Kaiqiang und Tang, Deke und Liu, Chenglong und Ren, Libo und Sun, Zheng und Hänsch, Ronny und Schmitt, Michael und Sun, Xian und Huang, Hai und Mayer, Helmut (2023) Urban Building Classification (UBC) V2-A Benchmark for Global Building Detection and Fine-Grained Classification From Satellite Imagery. IEEE Transactions on Geoscience and Remote Sensing, 61, Seiten 1-16. IEEE - Institute of Electrical and Electronics Engineers. doi: 10.1109/TGRS.2023.3311093. ISSN 0196-2892.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Offizielle URL: https://dx.doi.org/10.1109/TGRS.2023.3311093

elib-URL des Eintrags:

https://elib.dlr.de/200092/

Dokumentart:

Zeitschriftenbeitrag

Titel:

Urban Building Classification (UBC) V2-A Benchmark for Global Building Detection and Fine-Grained Classification From Satellite Imagery

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Huang, Xingliang	NICHT SPEZIFIZIERT	https://orcid.org/0000-0002-2943-5900	NICHT SPEZIFIZIERT
Chen, Kaiqiang	NICHT SPEZIFIZIERT	https://orcid.org/0000-0002-8314-2375	NICHT SPEZIFIZIERT
Tang, Deke	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Liu, Chenglong	NICHT SPEZIFIZIERT	https://orcid.org/0000-0003-0934-8161	NICHT SPEZIFIZIERT
Ren, Libo	NICHT SPEZIFIZIERT	https://orcid.org/0009-0006-0375-183X	NICHT SPEZIFIZIERT
Sun, Zheng	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Hänsch, Ronny	Ronny.Haensch (at) dlr.de	https://orcid.org/0000-0002-2936-6765	NICHT SPEZIFIZIERT
Schmitt, Michael	NICHT SPEZIFIZIERT	https://orcid.org/0000-0002-0575-2362	NICHT SPEZIFIZIERT
Sun, Xian	NICHT SPEZIFIZIERT	https://orcid.org/0000-0002-0038-9816	NICHT SPEZIFIZIERT
Huang, Hai	NICHT SPEZIFIZIERT	https://orcid.org/0000-0001-8745-8142	NICHT SPEZIFIZIERT
Mayer, Helmut	NICHT SPEZIFIZIERT	https://orcid.org/0000-0002-9439-2695	NICHT SPEZIFIZIERT

Datum:

1 September 2023

Erschienen in:

IEEE Transactions on Geoscience and Remote Sensing

Referierte Publikation:

Open Access:

Nein

Gold Open Access:

Nein

In SCOPUS:

In ISI Web of Science:

Band:

DOI:

10.1109/TGRS.2023.3311093

Seitenbereich:

Seiten 1-16

Verlag:

IEEE - Institute of Electrical and Electronics Engineers

ISSN:

0196-2892

Status:

veröffentlicht

Stichwörter:

Machine Learning

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 Hochfrequenztechnik und Radarsysteme > SAR-Technologie

Hinterlegt von:

Hänsch, Ronny

Hinterlegt am:

30 Nov 2023 13:16

Letzte Änderung:

15 Jan 2024 10:48

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags