Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Startseite    Anmelden     
Logout in [min] [minutetext]

Analysis of High-Resolution Remote Sensing Imagery - Einzelansicht

  • Funktionen:
  • Zur Zeit keine Belegung möglich
Veranstaltungsart Seminar Langtext
Veranstaltungsnummer 142977 Kurztext
Semester SoSe 2023 SWS 4
Erwartete Teilnehmer/-innen 25 Studienjahr
Max. Teilnehmer/-innen 30
Credits 5 Belegung Belegpflicht
Sprache englisch
Belegungsfrist Institut für Geoinformatik    16.01.2023 - 22.01.2023   
Einrichtung :
Institut für Geoinformatik
Termine Gruppe: [unbenannt] iCalendar Export für Outlook
  Tag Zeit Rhythmus Dauer Raum Raum-
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer/-innen
Einzeltermine anzeigen
iCalendar Export für Outlook
Mi. 12:00 bis 14:00 woch 05.04.2023 bis 12.07.2023  Heisenbergstr. 2 - StudLab GEO1 130        
Einzeltermine anzeigen
iCalendar Export für Outlook
Do. 08:00 bis 10:00 woch 06.04.2023 bis 13.07.2023  Heisenbergstr. 2 - StudLab GEO1 130        
Gruppe [unbenannt]:
Zur Zeit keine Belegung möglich

Zugeordnete Person
Zugeordnete Person Zuständigkeit
Knoth, Christian, Dr. verantwort
Abschluss - Studiengang Sem ECTS Bereich Teilgebiet
Master - Geospatial Technologies (88 994 7) - 5
Master - Geoinformatics and Spatial Data Science (88 F26 21) - 5
Prüfungen / Module
Prüfungsnummer Modul
16001 Course Electives 1 - Master Geoinform and Spat. Data Version 2021
16002 Course Electives 2 - Master Geoinform and Spat. Data Version 2021
Zuordnung zu Einrichtungen
Fachbereich 14 Geowissenschaften

This course will start in the 2nd lecture week only.


<p>When analyzing remote sensing images in (very) high spatial resolution, the investigated objects are usually much larger than the pixel size, i.e., a single target object is represented by a lot more than only one pixel in the image. This means that in addition to spectral properties of single pixels we can (and often need to) extract further information from the spatial arrangement of pixel values by analyzing features such as texture, shape or edge intensity. In addition, the spatial context of objects can play an important role during the analysis.</p> <p>In this course we will explore methods for extracting such features from remote sensing images based on examples from research and practical applications. We will also look at how to leverage these features for the segmentation and classification of remote sensing data through techniques like geographic object-based image analysis (GEOBIA) and deep learning with convolutional neural networks (CNNs).</p> <p>The course consists of three parts running in parallel: a lecture part, a discussion part (where students read and discuss research papers applying these methods), and a practical part (where students apply the methods themselves).</p> <p>Details about the organization and grading will be given during the seminar.</p>

Die Veranstaltung wurde 2 mal im Vorlesungsverzeichnis SoSe 2023 gefunden:
Electives  - - - 2