Weakly Supervised Learning for Land Cover Classification from Earth Observation

Albrecht, Conrad M (2024) Weakly Supervised Learning for Land Cover Classification from Earth Observation. AI for Agriculture, 2024-06-12, virtual.

PDF
8MB

elib-URL des Eintrags:

https://elib.dlr.de/204773/

Dokumentart:

Konferenzbeitrag (Vortrag)

Titel:

Weakly Supervised Learning for Land Cover Classification from Earth Observation

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Albrecht, Conrad M	Conrad.Albrecht (at) dlr.de	https://orcid.org/0009-0009-2422-7289	NICHT SPEZIFIZIERT

Datum:

12 Juni 2024

Referierte Publikation:

Nein

Open Access:

Gold Open Access:

Nein

In SCOPUS:

Nein

In ISI Web of Science:

Nein

Status:

veröffentlicht

Stichwörter:

Copernicus Programme, Weakly-Supervised Learning, Self-Supervised Learning, LiDAR, EnMAP, hyperspectral, SAR, multi-spectral, Sentinnel-1, Sentinel-2, land cover classification, geospatial foundation models, Local Climate Zones

Veranstaltungstitel:

AI for Agriculture

Veranstaltungsort:

virtual

Veranstaltungsart:

Workshop

Veranstaltungsdatum:

12 Juni 2024

Veranstalter :

European Commission's Joint Research Centre

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, R - Optische Fernerkundung, R - SAR-Methoden

Standort:

Oberpfaffenhofen

Institute & Einrichtungen:

Institut für Methodik der Fernerkundung > EO Data Science

Hinterlegt von:

Albrecht, Conrad M

Hinterlegt am:

21 Jun 2024 08:14

Letzte Änderung:

27 Jun 2024 19:03

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags