9789813344228 - deep learning for hyperspectral image analysis and classification (engineering applications of computational methods, band 5) von tao, linmi; mughees, atif (3 Ergebnisse)
Sprache: Englisch
Verlag: Springer, 2022
Serie: Buch 5 von 20 - Engineering Applications of Computational Methods
- Softcover
Anbieter: Ria Christie Collections, Uxbridge, Vereinigtes KönigreichRia Christie Collections
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 177,68
EUR 13,96 VersandVersand von Vereinigtes Königreich nach USAAnzahl: Mehr als 20 verfügbar
Zustand: New. In.
Weitere BilderSprache: Englisch
Verlag: Springer, 2022
Serie: Buch 5 von 20 - Engineering Applications of Computational Methods
- Softcover
Anbieter: preigu, Osnabrück, Deutschlandpreigu
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 158,00
EUR 70,00 VersandVersand von Deutschland nach USAAnzahl: 5 verfügbar
Taschenbuch. Zustand: Neu. Deep Learning for Hyperspectral Image Analysis and Classification | Linmi Tao (u. a.) | Taschenbuch | Engineering Applications of Computational Methods | xii | Englisch | 2022 | Springer | EAN 9789813344228 | Verantwortliche Person für die EU: Springer Verlag GmbH, Tiergartenstr. 17, 69121 Heidelberg,…juergen[dot]hartmann[at]springer[dot]com | Anbieter: preigu.
Sprache: Englisch
Verlag: Springer, Springer, 2022
Serie: Buch 5 von 20 - Engineering Applications of Computational Methods
- Softcover
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 188,90
EUR 61,71 VersandVersand von Deutschland nach USAAnzahl: 1 verfügbar
Taschenbuch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - This book focuses on deep learning-based methods for hyperspectral image (HSI) analysis. Unsupervised spectral-spatial adaptive band-noise factor-based formulation is devised for HSI noise detection and band categorization. The method to characterize… the bands along with the noise estimation of HSIs will benefit subsequent remote sensing techniques significantly.This book develops on two fronts: On the one hand, it is aimed at domain professionals who want to have an updated overview of how hyperspectral acquisition techniques can combine with deep learning architectures to solve specific tasks in different application fields. On the other hand, the authors want to target the machine learning and computer vision experts by giving them a picture of how deep learning technologies are applied to hyperspectral data from a multidisciplinary perspective. The presence of these two viewpoints and the inclusion of application fields of remote sensing by deep learning are theoriginal contributions of this review, which also highlights some potentialities and critical issues related to the observed development trends.
