Titre original :
Change Detection and Image Time Series Analysis 2: Supervised Methods
Contenu du livre :
Change Detection and Image Time Series Analysis 2 présente des méthodes supervisées basées sur l'apprentissage automatique pour l'analyse de l'évolution temporelle en utilisant des séries temporelles d'images associées à des données d'observation de la Terre. Le chapitre 1 traite de la fusion de données multicapteurs, multirésolution et multitemporelles. Il propose deux solutions supervisées basées sur un champ aléatoire de Markov : la première repose sur un quadruple arbre et la seconde est spécialement conçue pour traiter les séries temporelles multimission, multifréquence et multirésolution.
Le chapitre 2 donne un aperçu des méthodes basées sur les pixels pour la classification des séries temporelles, depuis les premières méthodes d'apprentissage superficiel jusqu'aux approches les plus récentes basées sur l'apprentissage profond.
Le chapitre 3 se concentre sur les séries temporelles de données à très haute résolution spatiale et sur l'utilisation d'informations sémantiques pour modéliser les modèles d'évolution spatio-temporelle.
Le chapitre 4 se concentre sur les défis de l'analyse des séries temporelles denses, y compris les aspects de prétraitement et une taxonomie des méthodologies existantes. Enfin, étant donné que l'évaluation d'un système d'apprentissage peut être soumise à de multiples considérations, les chapitres 5 et 6 proposent des évaluations approfondies des systèmes d'apprentissage.
Les chapitres 5 et 6 proposent des évaluations approfondies des méthodologies et des cadres d'apprentissage utilisés pour produire des cartes de changement, dans le contexte des problèmes de classification des changements multiclasse et/ou multiétiquette.
Autres informations sur le livre :
| ISBN : | 9781789450576 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Relié |
| Année de publication : | 2022 |
| Nombre de pages : | 272 |
Achat:
Actuellement disponible, en stock.
