Documentation of "ERCNN-DRS Urban Change Monitoring", https://github.com/It4innovations/ERCNN-DRS_urban_change_monitoring

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27740%2F21%3A10248877" target="_blank" >RIV/61989100:27740/21:10248877 - isvavai.cz</a>

Výsledek na webu

<a href="https://github.com/It4innovations/ERCNN-DRS_urban_change_monitoring" target="_blank" >https://github.com/It4innovations/ERCNN-DRS_urban_change_monitoring</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Documentation of "ERCNN-DRS Urban Change Monitoring", https://github.com/It4innovations/ERCNN-DRS_urban_change_monitoring

Popis výsledku v původním jazyce

This project contains the Ensemble of Recurrent Convolutional Neural Networks for Deep Remote Sensing (ERCNN-DRS) used for urban change monitoring with ERS-1/2 &amp; Landsat 5 TM, and Sentinel 1 &amp; 2 remote sensing mission pairs. It was developed for demonstration purposes (study case) in the ESA Blockchain ENabled DEep Learning for Space Data (BLENDED) project. Two neural network models were trained for the two eras (ERS-1/2 &amp; Landsat 5 TM: 1991-2011, and Sentinel 1 &amp; 2: 2017-2021). The enclosed data was used for the MDPI Remote Sending publication Neural Network-Based Urban Change Monitoring with Deep-Temporal Multispectral and SAR Remote Sensing Data [2].

Název v anglickém jazyce

Documentation of "ERCNN-DRS Urban Change Monitoring", https://github.com/It4innovations/ERCNN-DRS_urban_change_monitoring

Popis výsledku anglicky

This project contains the Ensemble of Recurrent Convolutional Neural Networks for Deep Remote Sensing (ERCNN-DRS) used for urban change monitoring with ERS-1/2 &amp; Landsat 5 TM, and Sentinel 1 &amp; 2 remote sensing mission pairs. It was developed for demonstration purposes (study case) in the ESA Blockchain ENabled DEep Learning for Space Data (BLENDED) project. Two neural network models were trained for the two eras (ERS-1/2 &amp; Landsat 5 TM: 1991-2011, and Sentinel 1 &amp; 2: 2017-2021). The enclosed data was used for the MDPI Remote Sending publication Neural Network-Based Urban Change Monitoring with Deep-Temporal Multispectral and SAR Remote Sensing Data [2].

Druh

A - Audiovizuální tvorba

CEP obor

—

OECD FORD obor

10200 - Computer and information sciences

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2021

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

ISBN

—

Místo vydání

—

Název nakladatele resp. objednatele

—

Verze

—

Identifikační číslo nosiče

—