Diese Website funktioniert am besten, wenn JavaScript aktiviert ist.
Explorationsdaten systematisch analysieren und den Bergbaubetrieb kontinuierlich überwachen
Machine Learning und Umweltschutz: Entwicklung einer Software zur automatisierten Erkennung von illegalem Kleinbergbau mithilfe von Satellitendaten.
Von Emilius Richter • 2. August 2022
Python-Tools für die Fernerkundung mithilfe von Machine Learning: Vergleich von Python Software zu Datenabruf- und Verarbeitung von Satellitendaten hier lesen.
Von Emilius Richter • 18. Juli 2022
Für einen Softwareanbieter ist der Projektantrag der erste Schritt zur Erfüllung der Anforderungen des Kunden. In diesem Artikel werde ich die wichtigsten Module in Machine-Learning-Projektanträgen beschreiben.
Von Tiago Sanona • 19. August 2021
Lesen Sie hier, wie Machine Learning in der Fernerkundung angewendet wird & wie Getreidefelder aus Zeitreihen von Satellitenbildern klassifiziert werden.
Von Fabian Gringel • 21. Juni 2021
Contrastive Language Image Pretraining (CLIP): Lesen Sie hier über die Funktionsweise sowie Anwendungen des CLIP-Modells, einem Zero-Shot-Bildklassifikator.
Von Emilius Richter • 21. Mai 2021
Lesen Sie die relevanten Fragen, die im Vorfeld berücksichtigt & beantwortet werden sollten, um ein erfolgreiches Machine-Learning-Softwareprojekt zu starten.
Von Dmitrii Iakushechkin • 8. April 2021
Lesen Sie hier über die besten Bildannotation-Tools für Computer-Vision-Aufgaben. Alles von der Installation bis zur Veranschaulichung am Beispiel.
Von Fabian Dechent • 19. März 2021
Erfahren Sie mehr über Möglichkeiten, die die Fernerkundung mittels satellitengestützter Bildgebung & Machine Learning für die Greenfield-Exploration bietet.
Von Matthias Werner • 1. September 2020
Lesen Sie über ein U-Netz für die semantische Segmentierung. Ein Ansatz zur Erkennung illegaler Minen auf Basis von Deep Learning (DL) und Fernerkundung hier.
