机译:来自VHR光学遥感图像的土地覆盖分类通过功能集合深度学习网络
Commun Univ China Engn Ctr Digital Audio & Video Beijing 100024 Peoples R China;
Commun Univ China Engn Ctr Digital Audio & Video Beijing 100024 Peoples R China;
Peking Univ Sch Elect Engn & Comp Sci Beijing 100871 Peoples R China;
Commun Univ China Engn Ctr Digital Audio & Video Beijing 100024 Peoples R China;
Beijing Key Lab Embedded Real Time Informat Proc Beijing 100081 Peoples R China;
Beijing Key Lab Embedded Real Time Informat Proc Beijing 100081 Peoples R China;
Remote sensing; Optical imaging; Optical sensors; Encapsulation; Correlation; Semantics; Deep learning; Deep learning (DL); feature ensemble; land cover classification; optical remote sensing; very high resolution (VHR);
机译:基于细节注射过程改进了VHR光学遥感图像的土地覆盖分类
机译:利用高光谱遥感图像评估土地利用土地利用土地覆盖分类和裁剪识别的评价
机译:深度特征融合与残差连接和注意力模型的集成,用于VHR遥感图像分类
机译:使用遥感图像的土地利用土地覆盖分类的未来派深度学习框架方法
机译:基于深度学习的遥感影像多时相土地覆盖分类
机译:使用注意力驱动的上下文编码网络沿海地覆盖高分辨率遥感图像的分类
机译:一种新颖的特征级融合框架,使用光学和SAR遥感图像进行多云山区土地使用/陆地覆盖(LULC)分类