elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Barrierefreiheit | Kontakt | English
Schriftgröße: [-] Text [+]

Exploring Multi-level Uncertainty Quantification for Remote Sensing Image Classification: How Label Embeddings Can Effectively Target Calibration and Out-of-Distribution Detection Performance

Schweden, Christoph und Hechinger, Katharina und Kauermann, Göran und Zhu, Xiao Xiang (2025) Exploring Multi-level Uncertainty Quantification for Remote Sensing Image Classification: How Label Embeddings Can Effectively Target Calibration and Out-of-Distribution Detection Performance. Living Planet Symposium 2025, 2025-06-23 - 2025-06-27, Wien, Österreich.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.


elib-URL des Eintrags:https://elib.dlr.de/213622/
Dokumentart:Konferenzbeitrag (Poster)
Titel:Exploring Multi-level Uncertainty Quantification for Remote Sensing Image Classification: How Label Embeddings Can Effectively Target Calibration and Out-of-Distribution Detection Performance
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Schweden, ChristophChristoph.Koller (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Hechinger, Katharinakatharina.hechinger (at) stat.uni-muenchen.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Kauermann, Görangoeran.kauermann (at) stat.uni-muenchen.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Zhu, Xiao Xiangxiaoxiang.zhu (at) tum.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:2025
Referierte Publikation:Nein
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
Status:akzeptierter Beitrag
Stichwörter:Calibration, Uncertainty, Out-of-Distribution Detection, Remote Sensing, Local Climate Zone, Classification
Veranstaltungstitel:Living Planet Symposium 2025
Veranstaltungsort:Wien, Österreich
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:23 Juni 2025
Veranstaltungsende:27 Juni 2025
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: Koller, Christoph
Hinterlegt am:11 Apr 2025 10:17
Letzte Änderung:11 Apr 2025 10:17

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
OpenAIRE Validator logo electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.