04. XÂY DỰNG PHƯƠNG PHÁP XÁC ĐỊNH ĐƯỜNG BỜ DỰA TRÊN ẢNH VIỄN THÁM BẰNG PHƯƠNG PHÁP HỌC SÂU
Thanh bên bài viết
Đã nộp
15 Tháng ba 2022
Đã xuất bản
31 Tháng mười hai 2020
Các từ khóa:
-
Viễn thám Remote sensing
Giới thiệu
Bài báo trình bày phương pháp xác định đường bờ dựa trên phương pháp học sâu. Thực nghiệm đã được tiến hành cho hai khu vực ở Việt Nam sử dụng ảnh vệ tinh Sentinel-2. Kết quả của bài báo đã thực hiện so sánh phương pháp mới với một loạt phương pháp được sử dụng phổ biến hiện nay như sử dụng các chỉ số thực vật, chỉ số nước, sử dụng phương pháp phân ngưỡng ảnh, sử dụng thuật toán phân loại Support Vector Machine để làm nổi bật ưu cũng như nhược điểm của phương pháp học sâu khi giải quyết bài toán xác định đường bờ.
Toàn văn bài báo
Được tạo từ tệp XML
Trích dẫn
[1]. Hanqiu Xu (2006). Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery. International Journal of Remote Sensing. Vol. 27 N. 14.
[2]. Bangira, Tsitsi & Alfieri, Silvia & Menenti, Massimo & Van Niekerk, Adriaan. (2019). Remote sensing Comparing Thresholding with Machine Learning Classifiers for Mapping Complex Water. Remote Sensing. 11. 10.3390/rs11111351.
[3]. Ma, L., Liu, Y., Zhang, X., Ye, Y., Yin, G., & Johnson, B. A. (2019). Deep learning in remote sensing applications: A meta-analysis and review. ISPRS journal of photogrammetry and remote sensing, 152, 166 - 177.
[4]. Ronneberger, O., Fischer, P., & Brox, T. (2015). U-net: Convolutional networks for biomedical image segmentation. In International Conference on Medical image computing and computer-assisted intervention (pp. 234 - 241). Springer, Cham.
[5]. He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 770 - 778).
[6]. Pandey, R. K., Vasan, A., & Ramakrishnan, A. G. (2018). Segmentation of liver lesions with reduced complexity deep models. arXiv preprint arXiv:1805.09233.
[7]. Чернухин, Ю. В., Топчий, А. П., & Грязин, Е. А. (1997). Экспериментальное исследование скорости обучения нейросетей методом обратного распространения ошибки. Известия Южного федерального университета. Технические науки, 6 (3).
[8]. Маркеев, В. Ю., & Арзамасцев, А. А. (2013). Коррекция коэффициентов наклона функций активации нейронов методом обратного распространения ошибки. In современные методы прикладной математики, теории управления и компьютерных технологий (пмтукт-2013) (pp. 151 - 153).
[9]. Широких, Б., & Беляев, М. (2018). Влияние предобработки и аугментации данных на качество сегментации гиперинтенсивности белого вещества методами глубокого обучения. In ИТиС 2018 (pp. 117 - 124).
[2]. Bangira, Tsitsi & Alfieri, Silvia & Menenti, Massimo & Van Niekerk, Adriaan. (2019). Remote sensing Comparing Thresholding with Machine Learning Classifiers for Mapping Complex Water. Remote Sensing. 11. 10.3390/rs11111351.
[3]. Ma, L., Liu, Y., Zhang, X., Ye, Y., Yin, G., & Johnson, B. A. (2019). Deep learning in remote sensing applications: A meta-analysis and review. ISPRS journal of photogrammetry and remote sensing, 152, 166 - 177.
[4]. Ronneberger, O., Fischer, P., & Brox, T. (2015). U-net: Convolutional networks for biomedical image segmentation. In International Conference on Medical image computing and computer-assisted intervention (pp. 234 - 241). Springer, Cham.
[5]. He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 770 - 778).
[6]. Pandey, R. K., Vasan, A., & Ramakrishnan, A. G. (2018). Segmentation of liver lesions with reduced complexity deep models. arXiv preprint arXiv:1805.09233.
[7]. Чернухин, Ю. В., Топчий, А. П., & Грязин, Е. А. (1997). Экспериментальное исследование скорости обучения нейросетей методом обратного распространения ошибки. Известия Южного федерального университета. Технические науки, 6 (3).
[8]. Маркеев, В. Ю., & Арзамасцев, А. А. (2013). Коррекция коэффициентов наклона функций активации нейронов методом обратного распространения ошибки. In современные методы прикладной математики, теории управления и компьютерных технологий (пмтукт-2013) (pp. 151 - 153).
[9]. Широких, Б., & Беляев, М. (2018). Влияние предобработки и аугментации данных на качество сегментации гиперинтенсивности белого вещества методами глубокого обучения. In ИТиС 2018 (pp. 117 - 124).
Các tác giả
Nguyễn Văn, N., Nguyễn Thanh, Đoàn, & Nguyễn Thanh, T. (2020). 04. XÂY DỰNG PHƯƠNG PHÁP XÁC ĐỊNH ĐƯỜNG BỜ DỰA TRÊN ẢNH VIỄN THÁM BẰNG PHƯƠNG PHÁP HỌC SÂU. Tạp Chí Khoa học Tài Nguyên Và Môi trường, (34), 30–37. Truy vấn từ https://tapchikhtnmt.hunre.edu.vn/index.php/tapchikhtnmt/article/view/291
##submission.license.notAvailable##
