Tilbake til søkeresultatene

STIPINST-Stipendiatstillinger i instituttsektoren

Stipendiatstillinger til Norsk Regnesentral (2017-2020)

Tildelt: kr 3,3 mill.

Automatisk kartlegging av land med fjernmålingsdata spiller en stadig viktigere rolle i flere anvendelser av jordobservasjon, som bærekraftig utvikling, autonomt landbruk og byplanlegging. På grunn av kompleksiteten til overflaten og miljøet, står nøyaktig klassifisering overfor mange utfordringer. Dette arbeidet gir nye utfordringer for dyplæring om hvordan man skal håndtere intrikate objekter og ubalanserte klasser i multispektrale og høyromlige oppløsningsdata for fjernmåling. Det er arbeidet med en ny modell for å lære rikere multi-skala og globale kontekstuelle representasjoner i svært høyoppløselige fjernmålingsbilder, nemlig DDCM-nettverket. Den foreslåtte metoden er lettvektet, fleksibel og utvidbar, slik at den kan brukes som en enkel, men effektiv koder- og dekodermodul for å møte ulike klassifiserings- og semantiske kartleggingsutfordringer. Intensive eksperimenter på forskjellige referansedatasett for fjernmåling viser at den foreslåtte metoden kan oppnå bedre ytelse og bruker mye færre beregningsressurser sammenlignet med andre publiserte metoder.

Stipendiaten har tatt doktorgraden og er nå i arbeid i Norge der han bruker kunnskapet som er opparbeidet i løpet av stipendperioden.

Publikasjoner hentet fra Cristin

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Budsjettformål:

STIPINST-Stipendiatstillinger i instituttsektoren

Finansieringskilder