Deep Learning-basierte Baumartenklassifizierung auf Basis von ALS-Daten

Research output: Chapter in Book/Report/Conference proceedingConference contributionResearchpeer-review

Abstract

In diesem Beitrag werden Methoden zur Baumartentrennung (Fichte, Kiefer und Laubbäume) auf Basis von ASL-Daten und den darin enthaltenen Strukturmerkmalen mit dem Deep Learning (DL) Ansatz unter Verwendung von Convolutional Neural Network (CNN) vorgestellt. Dazu wurden bereits bestehende Modelle, die auf andere Aufgabenstellungen optimiert und trainiert wurden, mittels Transfer Learning (TL) an die gegenständliche Themenstellung angepasst. Darüber hinaus wurde eine eigene Netzarchitektur entwickelt und mehrere CNN-Modelle (für 1D- bzw. 2D-Inputbilder) von Grund auf neu trainiert. Die Evaluierung der Ergebnisse hat gezeigt, dass in beiden Fällen (TL bzw. eigene Netzarchitektur) eine mittlere Klassifizierungsgenauigkeit von 74 % erreicht werden kann.
Original languageGerman
Title of host publicationDreiländertagung 2019, Photogrammetrie, Fernerkundung und Geoinformation, OVG – DGPF – SGPF
Pages527-536
Number of pages10
Volume28
Publication statusPublished - 20 Feb 2019

Cite this

Mustafic, S., & Schardt, M. (2019). Deep Learning-basierte Baumartenklassifizierung auf Basis von ALS-Daten. In Dreiländertagung 2019, Photogrammetrie, Fernerkundung und Geoinformation, OVG – DGPF – SGPF (Vol. 28, pp. 527-536)