Pre-Processing Training Data Improves Accuracy and Generalisability of Convolutional Neural Network Based Landscape Semantic Segmentation

Data pre-processing for developing a generalised land use and land cover (LULC) deep learning model using earth observation data is important for the classification of a different date and/or sensor. However, it is unclear how to approach deep learning segmentation problems in earth observation data...

Szczegółowa specyfikacja

Opis bibliograficzny

Główni autorzy:	Andrew Clark, Stuart Phinn, Peter Scarth
Format:	Artigo
Język:	Inglês
Wydane:	MDPI AG 2023-06-01
Seria:	Land
Hasła przedmiotowe:	convolutional neural network deep learning semantic segmentation land use land cover aerial imagery
Dostęp online:	https://www.mdpi.com/2073-445X/12/7/1268
Etykiety:	Dodaj etykietę Nie ma etykietki, Dołącz pierwszą etykiete!