Automatische Erkennung von Überschwemmungen mit Hilfe von Fernerkundungsdaten
Hochwasser- und Schadensbeurteilung unter Verwendung von sehr multitemporalen -Remote Sensing Images (MT-RSI) Daten
Versandkostenfrei!
Versandfertig in 6-10 Tagen
26,90 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
Hochwassererkennungssysteme wie die vier verschiedenen Arten der Vorverarbeitung, Segmentierung, Merkmalsextraktion und das Contiguous Deep Convolutional Neural Network (CDCNN) wurden zur Identifizierung der Hochwasserdefektregion ausgeführt. CDCNN die Umsetzung der vorgeschlagenen großen Datensätze können automatisch durch die histologischen Merkmale mehrerer Schichten von Neuronen, und hat die Fähigkeit, die nicht-lineare Entscheidungsfindung Funktionen zu implementieren.Diese Arbeit untersucht und vergleicht auch die möglichen Methoden zur genauen Identifizierung durch die Klassifikat...
Hochwassererkennungssysteme wie die vier verschiedenen Arten der Vorverarbeitung, Segmentierung, Merkmalsextraktion und das Contiguous Deep Convolutional Neural Network (CDCNN) wurden zur Identifizierung der Hochwasserdefektregion ausgeführt. CDCNN die Umsetzung der vorgeschlagenen großen Datensätze können automatisch durch die histologischen Merkmale mehrerer Schichten von Neuronen, und hat die Fähigkeit, die nicht-lineare Entscheidungsfindung Funktionen zu implementieren.Diese Arbeit untersucht und vergleicht auch die möglichen Methoden zur genauen Identifizierung durch die Klassifikation mit den vorgeschlagenen CDCNN-Details der RSI. Die Leistungsanalyse des vorgeschlagenen Modells wird in der Mattenlaborumgebung 2017 B verifiziert. Basierend auf den verschiedenen Merkmalen wie Präzision, Rückruf und F-Messgenauigkeit wird eine Analyse der Leistungsanalyse des vorgeschlagenen Systems zur Simulation der Systemleistung durchgeführt.
Andere Kunden interessierten sich für
