دانلود کتاب Remote Sensing Based Building Extraction
49,000 تومان
استخراج ساختمان مبتنی بر سنجش از دور
| موضوع اصلی | ریاضیات |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | MDPI |
| تعداد صفحه | 444 |
| حجم فایل | 21.08 مگابایت |
| کد کتاب | 3039283839 , 9783039283835 |
| نویسنده | Bisheng Yang, Jiaojiao Tian, Mohammad Awrangjeb, Xiangyun Hu |
|---|---|
| زبان | انگلیسی |
| فرمت | |
| سال انتشار | 2020 |
جدول کد تخفیف
| تعداد کتاب | درصد تخفیف | قیمت کتاب |
| 1 | بدون تخفیف | 25,000 تومان |
| 2 | 20 درصد | 20,000 تومان |
| 3 الی 5 | 25 درصد | 18,750 تومان |
| 6 الی 10 | 30 درصد | 17,500 تومان |
| 11 الی 20 | 35 درصد | 16,250 تومان |
| 21 الی 30 | 40 درصد | 15,000 تومان |
| 31 الی 40 | 45 درصد | 13,750 تومان |
| 41 الی 50 | 50 درصد | 12,500 تومان |
| 51 الی 70 | 55 درصد | 11,250 تومان |
| 71 الی 100 | 60 درصد | 10,000 تومان |
| 101 الی 150 | 65 درصد | 8,750 تومان |
| 151 الی 200 | 70 درصد | 7,500 تومان |
| 201 الی 300 | 75 درصد | 6,250 تومان |
| 301 الی 500 | 80 درصد | 5,000 تومان |
| 501 الی 1000 | 85 درصد | 3,750 تومان |
| 1001 الی 10000 | 90 درصد | 2,500 تومان |
Building extraction from remote sensing data plays an important role in urban planning, disaster management, navigation, updating geographic databases, and several other geospatial applications. Even though significant research has been carried out for more than two decades, the success of automatic building extraction and modeling is still largely impeded by scene complexity, incomplete cue extraction, and sensor dependency of data. Most recently, deep neural networks (DNN) have been widely applied for high classification accuracy in various areas including land-cover and land-use classification. Therefore, intelligent and innovative algorithms are needed for the success of automatic building extraction and modeling. This Special Issue focuses on newly developed methods for classification and feature extraction from remote sensing data for automatic building extraction and 3D
ترجمه فارسی (ترجمه ماشینی)
استخراج ساختمان از دادههای سنجش از دور نقش مهمی در برنامهریزی شهری، مدیریت بلایای طبیعی، ناوبری، بهروزرسانی پایگاههای اطلاعاتی جغرافیایی، و چندین کاربرد دیگر جغرافیایی دارد. حتی اگر تحقیقات قابل توجهی برای بیش از دو دهه انجام شده است، موفقیت استخراج و مدلسازی خودکار ساختمان هنوز تا حد زیادی به دلیل پیچیدگی صحنه، استخراج نشانه ناقص و وابستگی به حسگر دادهها مانع میشود. اخیراً، شبکههای عصبی عمیق (DNN) به طور گسترده برای دقت طبقهبندی بالا در حوزههای مختلف از جمله طبقهبندی پوشش زمین و کاربری زمین استفاده شدهاند. بنابراین برای موفقیت در استخراج و مدل سازی خودکار ساختمان به الگوریتم های هوشمند و مبتکرانه نیاز است. این شماره ویژه بر روشهای جدید توسعهیافته برای طبقهبندی و استخراج ویژگی از دادههای سنجش از راه دور برای استخراج خودکار ساختمان و سه بعدی تمرکز دارد
برای فرستادن دیدگاه، باید وارد شده باشید.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.