Produktbild: Remote Sensing Intelligent Interpretation for Geology
- 12%

Remote Sensing Intelligent Interpretation for Geology From Perspective of Geological Exploration

12% sparen

168,99 € UVP 192,59 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

05.01.2024

Verlag

Springer Singapore

Seitenzahl

235

Maße (L/B/H)

24,1/16/1,9 cm

Gewicht

586 g

Auflage

1st ed. 2024

Sprache

Englisch

ISBN

978-981-9989-96-6

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

05.01.2024

Verlag

Springer Singapore

Seitenzahl

235

Maße (L/B/H)

24,1/16/1,9 cm

Gewicht

586 g

Auflage

1st ed. 2024

Sprache

Englisch

ISBN

978-981-9989-96-6

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: GPSR Kontakt

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben: Einfach Barcode scannen, Versandetikett ausdrucken, Bücher verschicken und Thalia Geschenkkarte erhalten.

Jetzt verkaufen
Jetzt verkaufen

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

  • Produktbild: Remote Sensing Intelligent Interpretation for Geology
  • Chapter 1. Geological remote sensing: An overview.- Chapter 2. Remote sensing interpretation signs of geology.- Chapter 3. Geological remote sensing dataset construction for multi-level tasks.- Chapter 4. Lithology pixel classification using deep convolutional network and remote sensing.- Chapter 5 Lithology scene classification using deep learning and remote sensing.- Chapter 6. Lithology semantic segmentation methods using deep learning and remote sensing.- Chapter 7. Lithology intelligent classification using prior knowledge-based and remote sensing.- Chapter 8. Lithology intelligent classification using transfer learning and remote sensing.- Chapter 9. Remote sensing intelligent identification of fault tectonics.- Chapter 10. Mineral abundance inversion based on sparse unmixing theory and hyperspectral remote sensing.- Chapter 11. Concluding remarks.