Discriminative learning of Conditional Random Fields applied for the classification of urban settlement types

Dieser Artikel zeigt die ersten Experiments zur Klassifikation von Urban Structure Types (USTs) unter Verwendung von hochaufgelösten, satellitebasierten InSAR Daten und Conditional Random Fields (CRFs). Es wurde eine Prozedur entwicklet um die Parameter des CRFs diskriminativ zu lernen und zu testen. Die Klassifikation dieses Modells sowie zwei weiterer Verfahren werden mittels einer handsegmentierten Karte verglichen. Obwohl das Lernenverfahren konvergiert hat, sind die Genauigkeiten der Klassificationergebnisse nicht zufriedenstellend. Methoden zur Verbesserung der Genauigkeit werden aufgezeigt und sollen in Zukunft bewertet werden.     «

Dieser Artikel zeigt die ersten Experiments zur Klassifikation von Urban Structure Types (USTs) unter Verwendung von hochaufgelösten, satellitebasierten InSAR Daten und Conditional Random Fields (CRFs). Es wurde eine Prozedur entwicklet um die Parameter des CRFs diskriminativ zu lernen und zu testen. Die Klassifikation dieses Modells sowie zwei weiterer Verfahren werden mittels einer handsegmentierten Karte verglichen. Obwohl das Lernenverfahren konvergiert hat, sind die Genauigkeiten der Klassi...     »