Aravena Pelizari, Patrick und Geiß, Christian (2025) Multi-Hazard Exposure Modeling with Multimodal Geo-Image Data and Deep Learning. In: Mapping Disaster Resilience: GeoAI Best Practices from the UN-SPIDER Network United Nations, Vienna. Seiten 54-56.
|
PDF
6MB |
Offizielle URL: https://www.un-spider.org/sites/default/files/UN-SPIDER%20GeoAI%20Compendium.pdf
| elib-URL des Eintrags: | https://elib.dlr.de/217991/ | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Dokumentart: | Beitrag im Sammelband | ||||||||||||
| Titel: | Multi-Hazard Exposure Modeling with Multimodal Geo-Image Data and Deep Learning | ||||||||||||
| Autoren: |
| ||||||||||||
| Datum: | 2025 | ||||||||||||
| Erschienen in: | Mapping Disaster Resilience: GeoAI Best Practices from the UN-SPIDER Network | ||||||||||||
| Referierte Publikation: | Nein | ||||||||||||
| Open Access: | Ja | ||||||||||||
| Gold Open Access: | Nein | ||||||||||||
| In SCOPUS: | Nein | ||||||||||||
| In ISI Web of Science: | Nein | ||||||||||||
| Seitenbereich: | Seiten 54-56 | ||||||||||||
| Verlag: | United Nations, Vienna | ||||||||||||
| Status: | veröffentlicht | ||||||||||||
| Stichwörter: | building exposure; multimodal remote sensing; street-level imagery; multitask 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 - Fernerkundung u. Geoforschung | ||||||||||||
| Standort: | Oberpfaffenhofen | ||||||||||||
| Institute & Einrichtungen: | Deutsches Fernerkundungsdatenzentrum > Georisiken und zivile Sicherheit | ||||||||||||
| Hinterlegt von: | Aravena Pelizari, Patrick | ||||||||||||
| Hinterlegt am: | 24 Nov 2025 11:28 | ||||||||||||
| Letzte Änderung: | 24 Nov 2025 11:28 |
Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags