Deep Learning in der Fernerkundung

In diesem Buch wird ein Überblick über das Deep Learning gegeben, der verschiedene Perspektiven einnimmt, wie z.B. den Stand der Technik, Deep-Learning-Ansätze und Anwendungen. Außerdem werden die potenziellen Probleme der Deep-Learning-Technologie aufgezeigt. Diese Forschung stellt Faltungsneuronale Netze (CNNs) vor, die am meisten genutzten DL-Netzwerktypen. Ein Überblick über die CNN Deep Learning Architekturen, die häufig in der Literatur zu finden sind, zusammen mit ihren Stärken und Grenzen und beschreibt die Entwicklung von CNNs Architekturen zusammen mit ihren wichtigsten Eigenschaften, z. B. AlexNet, VGG, ResNet, DenseNet ,GoogLeNet, Inception: ResNet und Inception V3/ V4, SegNet, U Net, Point CNN und MASK R-CNN.Eine detaillierte Studie über die Anwendung von Convolutional Neural Network in der Fernerkundung zur Extraktion von Merkmalen wird ebenfalls erläutert. Herausforderungen, denen CNN begegnet, wurden diskutiert

Autorentext

Dr. Eng. Lamyaa Gamal Eldeen Taha Pofessor in surveying and photogrammetry Head of the Aviation and aerial photography division- National Authority for Remote Sensing and Space scienceDr. Rania E. Ibrahim Head of scientific publication department-National Authority for Remote Sensing and Space scienceEng.Asmaa A.Mandouh NARSS.