...
机译:使用红色和近红外卫星图像进行土地覆盖分类的深度学习架构
Amrita Vishwa Vidyapeetham Amrita Sch Engn Ctr Computat Engn & Networking CEN Coimbatore Tamil Nadu India;
Amrita Vishwa Vidyapeetham Amrita Sch Engn Ctr Computat Engn & Networking CEN Coimbatore Tamil Nadu India;
Amrita Vishwa Vidyapeetham Amrita Sch Engn Ctr Computat Engn & Networking CEN Coimbatore Tamil Nadu India;
Satellite image classification; SAT-4; SAT-6; Landcover; Trainable parameters; Normalized difference vegetation index; Image processing;
机译:使用红色和近红外卫星图像进行土地覆盖分类的深度学习架构
机译:通过多源深度学习架构,将Sentinel-1和Sentinel-2卫星图像时间序列结合起来进行土地覆盖图绘制
机译:基于深度学习的高分辨率卫星图像的土地覆盖分类
机译:利用高分辨率卫星图像和深度学习对荒地城市交界处的土地覆盖分类
机译:使用卫星感应图像及其纹理值进行土地覆盖分类:基于佛罗里达州土地利用和覆盖分类系统的准确性评估。
机译:基于双极化Sentinel-1ALandsat-8 OLI和Hyperion图像的多传感器卫星图像的多特征分类用于城市土地覆盖分类
机译:用于临时淹没区域的地图光学卫星图像的土地利用/土地覆盖机的机器学习技术