Toward global rooftop PV detection with Deep Active Learning

Zech, Matthias und Tetens, Hendrik-Pieter und Ranalli, Joseph (2024) Toward global rooftop PV detection with Deep Active Learning. Advances in Applied Energy. Elsevier. ISSN 2666-7924.

PDF - Nur DLR-intern zugänglich - Postprintversion (akzeptierte Manuskriptversion)
11MB

elib-URL des Eintrags:

https://elib.dlr.de/208726/

Dokumentart:

Zeitschriftenbeitrag

Titel:

Toward global rooftop PV detection with Deep Active Learning

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Zech, Matthias	Matthias.Zech (at) dlr.de	https://orcid.org/0000-0003-4420-5238	NICHT SPEZIFIZIERT
Tetens, Hendrik-Pieter	Hendrik-Pieter.Tetens (at) dlr.de	https://orcid.org/0000-0002-1747-5497	NICHT SPEZIFIZIERT
Ranalli, Joseph	jar339 (at) psu.edu	https://orcid.org/0000-0002-8184-9895	NICHT SPEZIFIZIERT

Datum:

2024

Erschienen in:

Advances in Applied Energy

Referierte Publikation:

Open Access:

Gold Open Access:

In SCOPUS:

In ISI Web of Science:

Verlag:

Elsevier

ISSN:

2666-7924

Status:

veröffentlicht

Stichwörter:

PV detection, Machine Learning, renewable energy, energy systems

HGF - Forschungsbereich:

Energie

HGF - Programm:

Energiesystemdesign

HGF - Programmthema:

Energiesystemtransformation

DLR - Schwerpunkt:

Energie

DLR - Forschungsgebiet:

E SY - Energiesystemtechnologie und -analyse

DLR - Teilgebiet (Projekt, Vorhaben):

E - Systemanalyse und Technologiebewertung

Standort:

Oldenburg

Institute & Einrichtungen:

Institut für Vernetzte Energiesysteme > Energiesystemanalyse, OL

Hinterlegt von:

Zech, Matthias

Hinterlegt am:

25 Nov 2024 10:03

Letzte Änderung:

01 Feb 2025 04:19

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags