User: Guest  Login
Original title:
Deep Learning for Aerial Scene Understanding in High Resolution Remote Sensing Imagery from the Lab to the Wild 
Translated title:
Deep Learning für das Verständnis von Luftaufnahmen in hochauflösenden Fernerkundungsbildern vom Labor bis in die Wildnis 
Year:
2022 
Document type:
Dissertation 
Institution:
TUM School of Engineering and Design 
Advisor:
Zhu, Xiao Xiang (Prof. Dr. habil.) 
Referee:
Zhu, Xiao Xiang (Prof. Dr. habil.); Mou, Lichao (Prof. Dr.); Lefèvre, Sébastien (Prof. Dr.) 
Language:
en 
Subject group:
BAU Bauingenieurwesen, Vermessungswesen; GEO Geowissenschaften 
TUM classification:
BAU 967; MSR 915 
Abstract:
This thesis presents the application of deep learning in aerial scene understanding, e.g., aerial scene recognition, multi-label object classification, and semantic segmentation. Except for training deep networks under the laboratory circumstance, this thesis also provides learning strategies for practical scenarios, e.g., data are collected without constraints or annotations are scarce. 
Translated abstract:
Diese Arbeit präsentiert die Anwendung von Deep Learning beim Verständnis von Luftszenen, z. B. Luftszenenerkennung, Multi-Label-Objektklassifizierung und semantische Segmentierung. Abgesehen vom Training tiefer Netzwerke unter Laborbedingungen bietet diese Arbeit auch Lernstrategien für praktische Szenarien, z. B. werden Daten ohne Einschränkungen gesammelt oder Annotationen sind knapp. 
Oral examination:
23.06.2022 
File size:
88267382 bytes 
Pages:
214 
Last change:
04.08.2022