Artificial Neural Networks and Evolutionary Computation in Remote Sensing
Künstliche neuronale Netze (ANNs) und evolutionäre Berechnungsmethoden werden erfolgreich in der Fernerkundung eingesetzt, da sie einzigartige Vorteile für die Analyse von Fernerkundungsbildern bieten. Mit ANNs lassen sich die zugrundeliegenden Beziehungen und Strukturen in mehrdimensionalen Datensätzen aufdecken.
Dank neuer Sensoren stehen uns Bilder mit mehr Spektralbändern und höherer räumlicher Auflösung zur Verfügung, die eindeutig an Big-Data-Probleme erinnern. Zu diesem Zweck sind evolutionäre Algorithmen die beste Lösung für die Analyse.
Dieses Buch enthält elf hochwertige Beiträge, die nach einem sorgfältigen Begutachtungsverfahren ausgewählt wurden und sich mit aktuellen Problemen der Fernerkundung befassen. In den Kapiteln des Buches wurde eine superstrukturelle Optimierung für den optimalen Entwurf von neuronalen Feedforward-Netzwerken vorgeschlagen, CNN-Netzwerke wurden für eine Nanosatelliten-Nutzlast eingesetzt, um Bilder auszuwählen, die für die Übertragung zum Boden geeignet sind, ein neues gewichtetes neuronales Faltungsnetzwerk (WFCNN) wurde für die feine Segmentierung von Fernerkundungsbildern und die Extraktion verbesserter Landnutzungsinformationen eingesetzt, Maske regional-convolutional neural networks (Mask R-CNN) wurde für die Extraktion von Talfüllungsflächen eingesetzt, state-of-the-art convolutional neural network (CNN)-basierten Objekterkennungsmodellen wurden für die automatische Erkennung von Flugzeugen und Schiffen in VHR-Satellitenbildern eingesetzt, eine Grob-zu-Fein-Erkennungsstrategie wurde für die Erkennung von Schiffen in verschiedenen Größen eingesetzt, und ein deep quadruplet network (DQN) wurde für die Klassifizierung von Hyperspektralbildern vorgeschlagen.
| ISBN: | 9783039438273 |
| Autor: | |
| Verlag: | |
| Einband: | Hardcover |
Derzeit verfügbar, auf Lager.
