Raster Time Series: Learning and Processing

Raster Time Series: Learning and Processing

As the amount of remote sensing data is increasing at a high rate, due to great improvements in sensor technology, efficient processing capabilities are of utmost importance. Remote sensing data from satellites is crucial in many scientific domains, like biodiversity and climate research. Because we...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
1. Verfasser: Drönner, Johannes
Beteiligte: Seeger, Bernhard (Prof. Dr.) (BetreuerIn (Doktorarbeit))
Format: Dissertation
Sprache:Englisch
Veröffentlicht: Philipps-Universität Marburg 2019
Schlagworte:
Rasterdaten
Meteosat Second Generation
Rasterdata, Spatio-Temporal Data
Convolutional Neural Networks
Informatik
Tiefe neuronale Netze
Raum-zeitliche Daten
Data processing Computer science
Online Zugang:PDF-Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

PDF-Volltext

Bestandesangaben von
Signatur: urn:nbn:de:hebis:04-z2020-00652
Publikationsdatum: 2020-02-04
Datum der Annahme: 2019-09-20
Downloads: 92 (2024), 179 (2023), 238 (2022), 148 (2021), 49 (2020)
Lizenz: https://rightsstatements.org/vocab/InC-NC/1.0/
Zugangs-URL: https://archiv.ub.uni-marburg.de/diss/z2020/0065
https://doi.org/10.17192/z2020.0065

Ähnliche Einträge