Syllabus
1) Kvalitativní metody DPZ II - AI: strojové učení a hluboké učení řízené a neřízené - část II (random forest, hluboké učení (CNN))
2) Kvantitativní metody DPZ - Empirické modelování - Modely přenosu záření pro určování biofyzikálních a biochemických parametrů povrchu (vegetace, půdy) na základě spektrální odrazivosti
3) Časové řady - Teoretické principy zpracování - Problematika velkých dat
4) Zpracování dat pořízených v tepelném IČ pásmu
5) Zpracování hyperspektrálních dat6) Kombinace dat různého rozlišení a z různých senzorů7) Dálkový průzkum planet - dostupnost dat, aktuální mise, specifika zpracování dostupných dat Pro udělení zápočtu je nutná účast na cvičeních, odevzdání a úspěšné odprezentování semestrální úlohy, která bude zadána v průběhu semestru. Zkouška bude obsahovat p ísemnou (50%) a ústní část (50%) v rozsahu přednášek, doporučené literatury a praktických úloh probíraných během cvičení.
Annotation
Předmět navazuje na Zpracování obrazových dat DPZ I. Rozšiřuje téma klasifikace obrazu o přístupy hlubokého učení.
Další dvě stěžejní témata pokrývají problematiku zisku kvantitativní informace z dat DPZ a zpracování časových řad. Dále jsou probírány metody zpracování dat pořízených z různých senzorů a různého rozlišení.
Přednášky jsou doplněny cvičeními, v nichž si studenti teoretické koncepty rozšíří o praktické implementace s využitím existujících softwarových řešení (ENVI, eCognition) a vlastního skriptování (R, Matlab, Python).