Deep Learning para Detección de Cambios con Datos de Diferentes Sensores

preview_player
Показать описание
Agustina Gonzalez (Estudiante MAIE)
“Deep Learning para Detección de Cambios con Datos de Diferentes Sensores”.

En este estudio, se explora el uso de la red neuronal X-NET como herramienta para la detección de cambios, con el objetivo de identificar áreas afectadas por inundaciones en la región Emilia-Romana, Italia. Para llevar a cabo esta tarea, se empleó una imagen hiperespectral adquirida por el satélite PRISMA, a la que se le realizó una reducción de bandas para mejorar la eficiencia computacional. Posteriormente, se comparó esta imagen procesada con datos obtenidos del satélite Cosmo-Skymed. La aplicación de esta metodología resalta la importancia del aprendizaje profundo en la detección de cambios, especialmente con datos provenientes de diferentes sensores remotos.

Instituto de Altos Estudios Espaciales "Mario Gulich" (IG)
Comisión Nacional de Actividades Espaciales (CONAE)
Universidad Nacional de Córdoba (UNC)

  1. Gulich UNC - CONAE
  2. Argentina
  3. Tecnologia
  4. Ciencia
  5. Instituto Gulich
  6. sensado remoto
Рекомендации по теме
Deep Learning para 0:01:05

Deep Learning para detección de defectos en plástico inyectado

Tema: Sistemas basados 0:02:56

Tema: Sistemas basados en Deep Learning para detección de fraudes

Deep Learning para 0:02:15

Deep Learning para detección de defectos en plástico inyectado

Deep Learning para 0:15:30

Deep Learning para Detección de Cambios con Datos de Diferentes Sensores

DAHUA Deep Learning 0:01:20

DAHUA Deep Learning con WIZMIND - Analíticas IA Para Detección Precisa de Personas y Rostros

Detección de datiles 0:02:37

Detección de datiles con Deep Learning en QGIS.

Detección de Objetos 2:11:43

Detección de Objetos | Clase 16 | Curso de Deep Learning Edición 2022

Detección de defectos 0:00:18

Detección de defectos en productos electrónicos-Bcnvision Visión Deep Learning

DETECCIÓN DE ANOMALÍAS 1:07:20

DETECCIÓN DE ANOMALÍAS en imágenes industriales (parte 4): transferencia de aprendizaje

Detección de Malware 0:12:35

Detección de Malware usando Machine Learning y Deep Learning

Deep Learning para 0:02:56

Deep Learning para la detección de defectos de fabricación industrial en sensores de aparcamiento

Detección de tipos 0:01:34

Detección de tipos de techos con ENVI Deep Learning

Deep Learning para 0:04:57

Deep Learning para la Detección de Caries / AI in medical domain

Caso de uso: 0:01:23

Caso de uso: Visión artificial y deep learning para automatizar la detección de defectos en el acero...

Introducción a Segmentación 1:10:04

Introducción a Segmentación y Detección de Objetos en MRI Usando Deep Learning

Detección de defectos 0:00:13

Detección de defectos en Automóvil- Bcnvision Deep Learning

Algoritmo de Machine 0:00:29

Algoritmo de Machine Learning para deteccion de imagenes

Redes Neuronales Convolucionales 0:23:41

Redes Neuronales Convolucionales - Clasificación avanzada de imágenes con IA / ML (CNN)

Detección de defectos 0:01:33

Detección de defectos con Deep Learning

Detección de defectos 0:01:36

Detección de defectos con Cognex Deep Learning

Tu primer clasificador 0:20:44

Tu primer clasificador de imágenes con Python y Tensorflow

Big Data Analytics 0:29:41

Big Data Analytics Summit - Deep Neural networks para la detección de phishing.

Clase 16 - 1:15:42

Clase 16 - Deep Learning - Detección de objetos

Detección de Malware 0:06:09

Detección de Malware mediante Machine Learning

welcome to shbcf.ru