Automatische detectie van overstromingen met behulp van Remote Sensing Data

Het proces van het overstromingsdetectiesysteem, zoals de vier verschillende soorten voorbewerking, segmentatie, kenmerkextractie en het Contiguous deep Convolutional neural network (CDCNN), is uitgevoerd voor het identificeren van het overstroomde gebied. CDCNN de uitvoering van de voorgestelde grootschalige datasets kan automatisch passeren de histologische kenmerken van verschillende lagen van neuronen, en heeft de mogelijkheid om de niet-lineaire besluitvorming functies te implementeren.Dit werk onderzoekt en vergelijkt ook met de mogelijke methoden voor het nauwkeurig identificeren van de classificatie met de voorgestelde CDCNN details van de RSI. De prestatie-analyse van het voorgestelde model wordt geverifieerd in 2017 B mat labomgeving. Gebaseerd op de verschillende functies zoals precisie, recall en F-meetnauwkeurigheidsanalyse van het voorgestelde systeem prestatie-simulatiesysteem.

El autor es un investigador y científico de renombre 3 que tiene las patentes mundiales a su nombre. Es Académico, investigador, autor, escritor, inventor e innovador, Científico (Consultor y conferencista). Trabaja como profesor asociado en los colegios de ingeniería KLECET. Está cursando el POST DOC en el Lincoln University College, Malasia.