Deep-Learning-basierte Baumartenklassifizierung auf Basis von multitemporalen ALS-Daten

  • Sead Mustafic (Redner/in)

Aktivität: Vortrag oder Präsentation › Vortrag bei Konferenz oder Fachtagung › Science to public

Beschreibung

In diesem Beitrag werden Methoden zur Baumartentrennung (Fichte, Kiefer und Laubbäume) auf Basis von multitemporalen ASL-Daten mit einem Deep-Learning(DL)-Ansatz unter Verwendung von Convolutional Neural Network (CNN) untersucht. Die Baumartentrennung wurde auf Einzelbaumbasis durchgeführt. Die erreichten Genauigkeiten für einzelne Datenepochen variieren zwi-schen 60 % und 80 %. Durch das Zusammenführen von einzelnen Ergebnissen zu einer multitempora-len Klassifikation konnte eine Genauigkeit von knapp 90 % erreicht werden.
Zeitraum3 Juli 2019 → 5 Juli 2019
EreignistitelAGIT 2019 – Symposium und Fachmesse Angewandte Geoinformatik
VeranstaltungstypKonferenz
BekanntheitsgradInternational