Benutzer: Gast  Login
Weniger Felder
Einfache Suche
Originaltitel:
From Unstructured Administrative Data to a Harmonised European Reference Dataset for Machine Learning in Remote Sensing
Übersetzter Titel:
Von unstrukturierten Verwaltungsdaten zu einem harmonisierten europäischen Referenzdatensatz für maschinelles Lernen in der Fernerkundung
Autor:
Schneider, Maja Angela
Jahr:
2025
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Engineering and Design
Institution:
Methodik der Fernerkundung (Dr. Körner komm.)
Betreuer:
Körner, Marco (Prof. Dr.); Veraart, Almut (Prof. Dr.)
Gutachter:
Körner, Marco (Prof. Dr.); Veraart, Almut (Prof. Dr.)
Sprache:
en
Fachgebiet:
BAU Bauingenieurwesen, Vermessungswesen; GEO Geowissenschaften
Stichworte:
dataset; machine learning; remote sensing; EuroCrops
Übersetzte Stichworte:
datensatz; maschinelles Lernen; Fernerkundung; EuroCrops
TU-Systematik:
BAU 967; GEO 007
Kurzfassung:
This dissertation examines the methods and findings behind the most extensive dataset used as reference data for Machine Learning (ML)-based Land Cover Classification (LCC) with remote sensing imagery.The discovery of administrative data as training data for ML models is responsible for a significant leap in research, especially in the field of large-scale LCC from optical satellite imagery.EuroCrops has previously been presented as a solution, and in this work, it will be put into context, and...     »
Übersetzte Kurzfassung:
In dieser Dissertation werden die Methoden und Ergebnisse des größten Referenzdatensatzes untersucht, der zur Klassifizierung der Landbedeckung mit Fernerkundungsbildern mittels maschinellen Lernens verwendet werden kann. Verwaltungsdaten als Trainingsdaten für Machine Learning-Modelle haben zu einem großen Fortschritt in der Forschung geführt, insbesondere auf dem Gebiet der großflächigen Landbedeckungsklassifizierung aus optischen Satellitenbildern. EuroCrops und dessen Kontext wird in dieser...     »
WWW:
https://mediatum.ub.tum.de/?id=1750591
Eingereicht am:
05.08.2024
Mündliche Prüfung:
04.03.2025
Dateigröße:
31139886 bytes
Seiten:
100
Urn (Zitierfähige URL):
https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20250304-1750591-0-4
Letzte Änderung:
07.04.2025
 BibTeX