HypsLiDNet 3-D-2-D CNN Model and Spatial–Spectral Morphological Attention for Crop Classification with DESIS and LiDAR Data /
Elmentve itt :
| Szerzők: |
Farmonov Nizom Esmaeili M. Abbasi-Moghadam Dariush Sharifi Alireza Amankulova Khilola Mucsi László |
|---|---|
| Dokumentumtípus: | Cikk |
| Megjelent: |
2024
|
| Sorozat: | IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING
17 |
| Tárgyszavak: | |
| doi: | 10.1109/JSTARS.2024.3418854 |
| mtmt: | 35073378 |
| Online Access: | http://publicatio.bibl.u-szeged.hu/35154 |
Hasonló tételek
-
Crop Type Classification by DESIS Hyperspectral Imagery and Machine Learning Algorithms
Szerző: Farmonov Nizom, et al.
Megjelent: (2023) -
Multispectral Crop Yield Prediction Using 3D-Convolutional Neural Networks and Attention Convolutional LSTM Approaches
Szerző: Mirhoseini Nejad Seyed Mahdi, et al.
Megjelent: (2023) -
Hybrid Unsupervised Methods and Inject-Multiply Morphological Features for Mapping Wildfire Burned Areas with Multi-Spectral Satellite Data
Szerző: Esmaeili Mohammad, et al.
Megjelent: (2025) -
LiDAR alapú navigáció implementálása mobil robotra
Szerző: Tóth Kázmér
Megjelent: (2021) -
A hullámtéri növényzet vizsgálata légi LiDAR adatok alapján
Szerző: Fehérváry István
Megjelent: (2023)