Deep Learning for Multi-Sensor Earth Observation by Saha, Sudipan;

Sorozatcím: Earth Observation;

20% KEDVEZMÉNY?
A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.

Kiadói listaár EUR 139.99
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.

58 060 Ft (55 296 Ft + 5% áfa)
Kedvezmény(ek) 20% (cc. 11 612 Ft off)
Kedvezményes ár 46 449 Ft (44 237 Ft + 5% áfa)

58 060 Ft

Beszerezhetőség

Megrendelésre a kiadó utánnyomja a könyvet. Rendelhető, de a szokásosnál kicsit lassabban érkezik meg.

A termék adatai:

Kiadó Elsevier Science
Megjelenés dátuma 2025. február 5.

ISBN 9780443264849
Kötéstípus Puhakötés
Terjedelem350 oldal
Méret 228x152 mm
Súly 1000 g
Nyelv angol

Kategóriák

Operációs rendszerek és grafikus felhasználói felületek Irodai szoftverek, táblázatkezelők Földtudományok általában Geológia További könyvek a földtudományok területén Operációs rendszerek és grafikus felhasználói felületek (karitatív célú kampány) Irodai szoftverek, táblázatkezelők (karitatív célú kampány) Földtudományok általában (karitatív célú kampány) Geológia (karitatív célú kampány) További könyvek a földtudományok területén (karitatív célú kampány)

Hosszú leírás:

Deep Learning for Multi-Sensor Earth Observation addresses the need for transformative Deep Learning techniques to navigate the complexity of multi-sensor data fusion. With insights drawn from the frontiers of remote sensing technology and AI advancements, it covers the potential of fusing data of varying spatial, spectral, and temporal dimensions from both active and passive sensors. This book offers a concise, yet comprehensive, resource, addressing the challenges of data integration and uncertainty quantification from foundational concepts to advanced applications. Case studies illustrate the practicality of deep learning techniques, while cutting-edge approaches such as self-supervised learning, graph neural networks, and foundation models chart a course for future development.

Structured for clarity, the book builds upon its own concepts, leading readers through introductory explanations, sensor-specific insights, and ultimately to advanced concepts and specialized applications. By bridging the gap between theory and practice, this volume equips researchers, geoscientists, and enthusiasts with the knowledge to reshape Earth observation through the dynamic lens of deep learning.

Több

Tartalomjegyzék:

Section 1: Introduction to Multi-Sensor Data and Artificial Intelligence
1. Deep Learning for Multisensor Earth Observation: Introductory Notes
2. A Basic Introduction to Deep Learning

Section 2: Artificial Intelligence for Sensor-specific data analysis and fusion
3. Deep learning processing of remotely sensed multispectral images
4. Deep Learning and Hyperspectral Images
5. Synthetic Aperture Radar Image Analysis in Era of Deep Learning
6. Deep Learning with Lidar for Earth Observation
7. Several Sensors and Modalities

Section 3: Advanced Concepts and Architectures
8. Self-Supervised Learning for Multimodal Earth Observation Data
9. Vision Transformers and Multisensor Earth Observation
10. Graph Neural Networks for Multi-Sensor Earth Observation
11. Uncertainty Quantification in Deep Neural Networks for Multisensor Earth Observation

Section 4: Multi-sensor Deep Learning Applications
12. Multi-Sensor Deep Learning for Change Detection
13. Multi-Sensor Deep Learning for Glacier Mapping
14. Deep Learning in Multisensor Agriculture and Crop Management
15. Miscellaneous Applications of Deep Learning based Multisensor Earth Observation
16. Multi-Sensor Earth Observation: Outlook