Versenden
Drucken
Özcan, Gökçe Yağmur (2026) Machine Learning Inference of Building Basement Presence Using Street-Level Imagery and Multi-Source Geospatial Attributes: A Case Study of Mannheim, Germany. Masterarbeit, Julius-Maximilians-Universität Würzburg.
Dieses Archiv kann nicht den Volltext zur Verfügung stellen.
| elib-URL des Eintrags: | https://elib.dlr.de/228500/ | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Dokumentart: | Hochschulschrift (Masterarbeit) | ||||||||||||
| Titel: | Machine Learning Inference of Building Basement Presence Using Street-Level Imagery and Multi-Source Geospatial Attributes: A Case Study of Mannheim, Germany | ||||||||||||
| Autoren: |
| ||||||||||||
| DLR-Supervisor: |
| ||||||||||||
| Datum: | 2026 | ||||||||||||
| Open Access: | Nein | ||||||||||||
| Seitenanzahl: | 79 | ||||||||||||
| Status: | veröffentlicht | ||||||||||||
| Stichwörter: | Building exposure, Basement detection, Machine learning, Street-level imagery, Geospatial attributes, Deep learning, Object detection | ||||||||||||
| Institution: | Julius-Maximilians-Universität Würzburg | ||||||||||||
| Abteilung: | Institute of Geography and Geology | ||||||||||||
| 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: | 05 Nov 2026 10:06 | ||||||||||||
| Letzte Änderung: | 05 Nov 2026 10:06 |
Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags
