Gegenwärtig bestehen große Erwartungen in die Awendung von Methoden des maschinellen Lernens für die Kartierung von Stadtgebieten. Insbesondere Deep Learning hat in der jüngeren Vergangenheit eine wichtige Rolle eingenommen. Um das Potenzial moderner Deep Learning-Verfahren auszuloten, befasst sich diese Arbeit mit den folgenden drei Aspekten der Kartierung städtischer Landbedeckung auf drei Skalenebenen: der Detektion urbaner Gebiete an sich, der Klassifizierung städtischer Landbedeckung und der simultanen Charakterisierung von Dichte und Heterogenität in Stadtgebieten.     «

Gegenwärtig bestehen große Erwartungen in die Awendung von Methoden des maschinellen Lernens für die Kartierung von Stadtgebieten. Insbesondere Deep Learning hat in der jüngeren Vergangenheit eine wichtige Rolle eingenommen. Um das Potenzial moderner Deep Learning-Verfahren auszuloten, befasst sich diese Arbeit mit den folgenden drei Aspekten der Kartierung städtischer Landbedeckung auf drei Skalenebenen: der Detektion urbaner Gebiete an sich, der Klassifizierung städtischer Landbedeckung und d...     »