Name: Detecção Automática de Inundação Usando Dados de Detecção Remota: Avaliação de Inundações e Danos Usando Dados Muito Multi-Temporais - Imagens de Sensoriamento Remoto (Mt-Rsi)
Price: 22874.00 CRC
Availability: InStock
Author: Jagannath Jadhav; Amruta Sonavale
ISBN: 9786202840309

portada Detecção Automática de Inundação Usando Dados de Detecção Remota: Avaliação de Inundações e Danos Usando Dados Muito Multi-Temporais - Imagens de Sensoriamento Remoto (Mt-Rsi)

Detecção Automática de Inundação Usando Dados de Detecção Remota: Avaliação de Inundações e Danos Usando Dados Muito Multi-Temporais - Imagens de Sensoriamento Remoto (Mt-Rsi)

Formato

Libro Físico

Autor

Jagannath Jadhav; Amruta Sonavale

Encuadernación

Tapa Blanda

ISBN13

9786202840309

Categorías

Tecnología: cuestiones generales

Detecção Automática de Inundação Usando Dados de Detecção Remota: Avaliação de Inundações e Danos Usando Dados Muito Multi-Temporais - Imagens de Sensoriamento Remoto (Mt-Rsi)

Jagannath Jadhav; Amruta Sonavale (Autor) · · Tapa Blanda

Libro Nuevo Importado

Envío: 23 a 28 días háb.

₡ 22.874

Costos de importación y 13% IVA incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

₡ 22.874

Llega entre el 08 Sep y el 17 Sep a Costa Rica. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Detecção Automática de Inundação Usando Dados de Detecção Remota: Avaliação de Inundações e Danos Usando Dados Muito Multi-Temporais - Imagens de Sensoriamento Remoto (Mt-Rsi)"

O processo do sistema de detecção de inundação como os quatro tipos diferentes de pré-processamento, segmentação, extracção de características e a rede neural contígua profunda Convolucional (CDCNN) foi executado para identificar a região defectada pela inundação. CDCNN a implementação dos conjuntos de dados de grande escala propostos pode passar automaticamente pelas características histológicas de várias camadas de neurónios, e tem a capacidade de implementar as funções não lineares de tomada de decisão.Este trabalho também investiga e compara com os métodos possíveis para uma identificação precisa pela classificação com os detalhes CDCNN propostos do RSI. A análise do desempenho do modelo proposto é verificada em 2017 B mat lab ambiente. Com base nas diferentes características como a precisão, a recordação e a análise da precisão da medida F do sistema proposto de simulação do desempenho do sistema.