Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Deep Learning for Time-Series Analysis of Optical Satellite Imagery
Übersetzter Titel:
Zeitreihenanalyse Optischer Satellitenbilder mit Künstlicher Intelligenz
Autor:
Kondmann, Lukas Johannes
Jahr:
2023
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Engineering and Design
Betreuer:
Zhu, Xiaoxiang (Prof. Dr.)
Gutachter:
Zhu, Xiaoxiang (Prof. Dr.); Schmitt, Michael (Prof. Dr. habil.); Tuia, Devis (Prof., Ph.D.)
Sprache:
en
Fachgebiet:
GEO Geowissenschaften
TU-Systematik:
BAU 967; MSR 915
Kurzfassung:
In this cumulative thesis, I cover four papers on time-series analysis of optical satellite imagery. The contribution is split into two parts. The first one introduces DENETHOR and DynamicEarthNet, two landmark datasets with high-quality ground truth data for agricultural monitoring and change detection. Second, I introduce SiROC and SemiSiROC, two methodological contributions to label-efficient change detection.
Übersetzte Kurzfassung:
In dieser Doktorarbeit fasse ich die Beiträge vier verschiedener Aufsätze zusammen, die die Datenverfügbarkeit und Methodik für Zeitreihenanalyse optischer Satellitendaten verbessern. Der erste Teil präsentiert die Referenzdatensätze DENETHOR für die Landwirtschaft und DynamikEarthNet für die Veränderungsanalyse. Im zweiten Teil präsentiere ich zwei neue Methoden für die Veränderungsanalyse: SiROC und SemiSiROC.
WWW:
https://mediatum.ub.tum.de/?id=1705991
Eingereicht am:
24.04.2023
Mündliche Prüfung:
08.09.2023
Dateigröße:
29085508 bytes
Seiten:
140
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230908-1705991-1-9
Letzte Änderung:
23.10.2023
 BibTeX