Login
- Originaltitel:
- Multimodal Co-learning with VHR Multispectral Imagery and Photogrammetric Data
- Übersetzter Titel:
- Multimodales Co-Learning mit VHR multispektralen Bilddaten und photogrammetrischen Daten
- Autor:
- Xie, Yuxing
- Jahr:
- 2024
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- TUM School of Engineering and Design
- Institution:
- Data Science in Earth Observation (Prof. Zhu)
- Betreuer:
- Zhu, Xiaoxiang (Prof. Dr. habil.)
- Gutachter:
- Zhu, Xiaoxiang (Prof. Dr. habil.); Reinartz, Peter (Prof. Dr.); Fraundorfer, Friedrich (Prof. Dr.)
- Sprache:
- en
- Fachgebiet:
- GEO Geowissenschaften
- TU-Systematik:
- BAU 967; MSR 915
- Kurzfassung:
- This dissertation introduces multimodal co-learning frameworks for remote sensing tasks of building extraction and building change detection. Proposed frameworks utilize training modes that can exploit unlabeled data and mutual information of 2-D and 2.5-D/3-D modalities to enhance the capability of single-modal networks in challenging scenarios with limited or cross-domain labeled data.
- Übersetzte Kurzfassung:
- In dieser Dissertation werden multimodale Co-Learning-Frameworks für Fernerkundungsaufgaben der Gebäudeextraktion und der Erkennung von Gebäudeveränderungen vorgestellt. Die vorgeschlagenen Frameworks nutzen Trainingsmodi, die unmarkierte Daten und gegenseitige Informationen von 2-D- und 2,5-D/3-D-Modalitäten ausnutzen können, um die Fähigkeit von monomodalen Netzwerken in anspruchsvollen Szenarien mit begrenzten oder domänenübergreifenden markierten Daten zu verbessern.
- WWW:
- https://mediatum.ub.tum.de/?id=1737390
- Eingereicht am:
- 20.03.2024
- Mündliche Prüfung:
- 13.09.2024
- Dateigröße:
- 42492975 bytes
- Seiten:
- 175
- Urn (Zitierfähige URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240913-1737390-1-5
- Letzte Änderung:
- 24.10.2024
BibTeX