Shop : Details
Shop
Details
Juni 2025
eBook (PDF)
Adrian Bauer
Tiefes Lernen für die Geodatenanalyse: Methoden und Anwendungen zur Änderungsdetektion und Dachformprädiktion
Diese Dissertation untersucht den Einsatz tiefer Lernverfahren (Deep Learning) für spezifische Herausforderungen der Geodatenanalyse. Sie behandelt die Entwicklung neuartiger Methoden zur Änderungsdetektion und Dachformprädiktion, um praxisrelevante kommunale Lösungen bereitzustellen.
Der erste Teil adressiert die Gebäudeänderungsdetektion mittels Luftbildern und Höhenmodellen. Hierfür wurde der Wuppertal Change Detection (WUP-CD) Datensatz, der optische Daten mit Höheninformationen kombiniert, erstellt. Darauf aufbauend wurde die Methode der Höhendifferenzbildsegmentierung (HDBS) entwickelt, die bestehende Segmentierungsnetzwerke effizient nutzt und die Bedeutung von Höhendaten für präzise Detektionen betont.
Der zweite Beitrag behandelt die Dachformprädiktion. Vorgestellt wird RoofSAM, eine Adaption des Segment Anything Model (SAM), die mittels optimierter Punkt-Sampling-Strategien und Modellanpassungen Dachformen aus Luftbildern klassifiziert. Diese Methode demonstriert das Potenzial von Basismodellen für spezifische geoinformatische Anwendungen.
Ein dritter Schwerpunkt ist die Änderungsdetektion in urbanen Straßenszenen. ChangeSAM, eine weitere SAM-Adaption, verarbeitet Bildpaare effizient durch parametereffiziente Techniken wie LoRA und Prompt Tuning. Dieser Ansatz erlaubt die Integration in komplexe Bildverarbeitungssysteme, etwa für autonome Fahrzeuge, ohne die Wiederverwendbarkeit der Kernkomponenten für andere Aufgaben zu beeinträchtigen.
Die Ergebnisse dieser Arbeit zeigen, dass die Kombination moderner KI-Methoden mit Geodaten innovative und leistungsfähige Lösungen für reale Probleme ermöglicht. Sie heben zudem die Flexibilität und Effizienz angepasster Basismodelle in der Geodatenanalyse hervor.
Der erste Teil adressiert die Gebäudeänderungsdetektion mittels Luftbildern und Höhenmodellen. Hierfür wurde der Wuppertal Change Detection (WUP-CD) Datensatz, der optische Daten mit Höheninformationen kombiniert, erstellt. Darauf aufbauend wurde die Methode der Höhendifferenzbildsegmentierung (HDBS) entwickelt, die bestehende Segmentierungsnetzwerke effizient nutzt und die Bedeutung von Höhendaten für präzise Detektionen betont.
Der zweite Beitrag behandelt die Dachformprädiktion. Vorgestellt wird RoofSAM, eine Adaption des Segment Anything Model (SAM), die mittels optimierter Punkt-Sampling-Strategien und Modellanpassungen Dachformen aus Luftbildern klassifiziert. Diese Methode demonstriert das Potenzial von Basismodellen für spezifische geoinformatische Anwendungen.
Ein dritter Schwerpunkt ist die Änderungsdetektion in urbanen Straßenszenen. ChangeSAM, eine weitere SAM-Adaption, verarbeitet Bildpaare effizient durch parametereffiziente Techniken wie LoRA und Prompt Tuning. Dieser Ansatz erlaubt die Integration in komplexe Bildverarbeitungssysteme, etwa für autonome Fahrzeuge, ohne die Wiederverwendbarkeit der Kernkomponenten für andere Aufgaben zu beeinträchtigen.
Die Ergebnisse dieser Arbeit zeigen, dass die Kombination moderner KI-Methoden mit Geodaten innovative und leistungsfähige Lösungen für reale Probleme ermöglicht. Sie heben zudem die Flexibilität und Effizienz angepasster Basismodelle in der Geodatenanalyse hervor.
Schlagwörter: Tiefes Lernen; Deep Learning; Geodatenanalyse; Änderungsdetektion; Change Detection; Dachformprädiktion; Smart City; Höhenmodelle; Segment Anything Model (SAM)
Weitere Formate
Print-Version: 978-3-8191-0120-5
DOI 10.2370/9783819100949
Sie benötigen den Adobe Reader, um diese Dateien ansehen zu können. Hier erhalten Sie eine kleine Hilfe und Informationen, zum Download der PDF-Dateien.
Bitte beachten Sie, dass die Online-Dokumente nicht ausdruckbar und nicht editierbar sind.
Bitte beachten Sie auch weitere Informationen unter: Hilfe und Informationen.
Bitte beachten Sie auch weitere Informationen unter: Hilfe und Informationen.
| Dokument |  | Gesamtdokument | ||
| Dateiart |  | |||
| Kosten |  | 44,10 € | ||
| Aktion |  | Zahlungspflichtig kaufen und download der Datei | ||
| Dokument |  | Inhaltsverzeichnis | ||
| Dateiart | | |||
| Kosten |  | frei | ||
| Aktion |  | Download der Datei | ||
Benutzereinstellungen für registrierte Online-Kunden (Online-Dokumente)
Sie können hier Ihre Adressdaten ändern sowie bereits georderte Dokumente erneut aufrufen.
Benutzer
Nicht angemeldet
Shaker Verlag GmbH
Am Langen Graben 15a
52353 Düren
Am Langen Graben 15a
52353 Düren
Mo. - Do. 8:00 Uhr bis 16:00 Uhr
Fr. 8:00 Uhr bis 15:00 Uhr
Fr. 8:00 Uhr bis 15:00 Uhr
Kontaktieren Sie uns. Wir helfen Ihnen gerne weiter.
