Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

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

Identifikátory výsledku

  • 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

Alternativní jazyky

  • 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].

Klasifikace

  • Druh

    A - Audiovizuální tvorba

  • CEP obor

  • OECD FORD obor

    10200 - Computer and information sciences

Návaznosti výsledku

  • 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)

Ostatní

  • Rok uplatnění

    2021

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • ISBN

  • Místo vydání

  • Název nakladatele resp. objednatele

  • Verze

  • Identifikační číslo nosiče