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

A Bayesian Deep Learning approach for the estimation of Forest Parameters from Interferometric SAR images

Carcereri, Daniel und Ghio, Federico und Rizzoli, Paola und Tebaldini, Stefano (2025) A Bayesian Deep Learning approach for the estimation of Forest Parameters from Interferometric SAR images. Living Planet Symposium, 2025-06-23 - 2025-06-27, Vienna, Austria.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.


elib-URL des Eintrags:https://elib.dlr.de/213931/
Dokumentart:Konferenzbeitrag (Poster)
Titel:A Bayesian Deep Learning approach for the estimation of Forest Parameters from Interferometric SAR images
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Carcereri, DanielDaniel.Carcereri (at) dlr.dehttps://orcid.org/0000-0002-3956-1409NICHT SPEZIFIZIERT
Ghio, Federicofederico.ghio (at) dlr.dehttps://orcid.org/0009-0009-0442-0305NICHT SPEZIFIZIERT
Rizzoli, PaolaPaola.Rizzoli (at) dlr.dehttps://orcid.org/0000-0001-9118-2732NICHT SPEZIFIZIERT
Tebaldini, StefanoPolitecnico di MilanoNICHT 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:deep learning, bayes, forest parameters, TanDEM-X, Gabon
Veranstaltungstitel:Living Planet Symposium
Veranstaltungsort:Vienna, Austria
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:23 Juni 2025
Veranstaltungsende:27 Juni 2025
Veranstalter :ESA
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 - AI4SAR
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Hochfrequenztechnik und Radarsysteme > Satelliten-SAR-Systeme
Institut für Hochfrequenztechnik und Radarsysteme
Hinterlegt von: Carcereri, Daniel
Hinterlegt am:02 Jun 2025 17:52
Letzte Änderung:05 Aug 2025 09:33

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.