...
机译:使用深度剩余神经网络和SAR光数据融合,在Sentinel-2图像中删除云删除
Tech Univ Munich Signal Proc Earth Observat Arcisstr 21 D-80333 Munich Germany|EUMETSAT Eumetsat Allee 1 D-64295 Darmstadt Germany;
Tech Univ Munich Signal Proc Earth Observat Arcisstr 21 D-80333 Munich Germany;
Tech Univ Munich Signal Proc Earth Observat Arcisstr 21 D-80333 Munich Germany|German Aerosp Ctr DLR Remote Sensing Technol Inst Munchener Str 20 D-82234 Wessling Oberpfaffenhofe Germany;
Tech Univ Munich Signal Proc Earth Observat Arcisstr 21 D-80333 Munich Germany;
Cloud removal; Optical imagery; SAR-optical; Data fusion; Deep learning; Residual network;
机译:基于深度卷积神经网络的Landsat图像中的云和云阴影检测
机译:深度卷积神经网络的融合用于高分辨率图像的土地覆盖分类
机译:基于全局关注的云/暗影分割特征融合残余网络遥感图像
机译:使用循环一致的GaN和SAR光学数据融合,在未配对的Sentinel-2图像中覆盖云移除
机译:使用深神经网络计算高动态范围图像的长期仿真模拟
机译:基于融合的行星范围和Sentinel-2使用Incepion的融合的性能和Sentinel-2数据的性能启动深度卷积神经网络
机译:全球云拆除的多传感器数据融合 - 2图像