Global dynamics of the offshore wind energy sector derived from earth observation data: deep learning based object detection optimised with synthetic training data for offshore wind energy infrastructure extraction from sentinel-1 imagery = Globale Dynamik des Offshore-Windenergiesektors abgeleitet aus Erdbeobachtungsdaten : Deep Learning-basierte Objekterkennung, optimiert mit synthetischen Trainingsdaten für die Extraktion von Offshore-Windenergieinfrastrukturen aus Sentinel-1 Bildern
Saved in:
| Main Author: | |
|---|---|
| Format: | Thesis Book |
| Language: | English |
| Published: |
Würzburg
Mai 2022
|
| Subjects: | |
| Online Access: | Volltext |
| Item Description: | Literaturverzeichnis Seite 175-194 |
| Physical Description: | xxvii, 195 Seiten Illustrationen, Diagramme, Karten |
| DOI: | 10.25972/OPUS-29285 |
Staff View
MARC
| LEADER | 00000nam a2200000 c 4500 | ||
|---|---|---|---|
| 001 | BV048878960 | ||
| 003 | DE-604 | ||
| 005 | 20230519 | ||
| 007 | t| | ||
| 008 | 230328s2022 gw a||| m||| 00||| eng d | ||
| 015 | |a 23,O01 |2 dnb | ||
| 035 | |a (OCoLC)1374573822 | ||
| 035 | |a (DE-599)BVBBV048878960 | ||
| 040 | |a DE-604 |b ger |e rda | ||
| 041 | 0 | |a eng | |
| 044 | |a gw |c XA-DE-BY | ||
| 049 | |a DE-384 |a DE-473 |a DE-703 |a DE-1051 |a DE-824 |a DE-29 |a DE-12 |a DE-91 |a DE-19 |a DE-1049 |a DE-92 |a DE-739 |a DE-898 |a DE-355 |a DE-706 |a DE-20 |a DE-1102 |a DE-860 |a DE-2174 | ||
| 084 | |a 624 |2 23sdnb | ||
| 084 | |a 627.98 |2 23ksdnb | ||
| 100 | 1 | |a Höser, Thorsten |d 19XX- |e Verfasser |0 (DE-588)1284572722 |4 aut | |
| 245 | 1 | 0 | |a Global dynamics of the offshore wind energy sector derived from earth observation data |b deep learning based object detection optimised with synthetic training data for offshore wind energy infrastructure extraction from sentinel-1 imagery = Globale Dynamik des Offshore-Windenergiesektors abgeleitet aus Erdbeobachtungsdaten : Deep Learning-basierte Objekterkennung, optimiert mit synthetischen Trainingsdaten für die Extraktion von Offshore-Windenergieinfrastrukturen aus Sentinel-1 Bildern |c vorgelegt von Thorsten Höser |
| 246 | 1 | 1 | |a Globale Dynamik des Offshore-Windenergiesektors abgeleitet aus Erdbeobachtungsdaten |
| 264 | 1 | |a Würzburg |c Mai 2022 | |
| 300 | |a xxvii, 195 Seiten |b Illustrationen, Diagramme, Karten | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 500 | |a Literaturverzeichnis Seite 175-194 | ||
| 502 | |b Dissertation |c Julius-Maximilians-Universität Würzburg |d 2022 | ||
| 546 | |a Zusammenfassung in deutscher und englischer Sprache | ||
| 583 | 1 | |a Archivierung/Langzeitarchivierung gewährleistet |5 DE-101 |2 pdager | |
| 650 | 0 | 7 | |a Deep Learning |0 (DE-588)1135597375 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Fernerkundung |0 (DE-588)4016796-3 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Offshore-Windpark |0 (DE-588)1132588286 |2 gnd |9 rswk-swf |
| 653 | |a deep learning | ||
| 653 | |a offshore wind energy | ||
| 653 | |a artificial intelligence | ||
| 653 | |a earth observation | ||
| 653 | |a remote sensing | ||
| 655 | 7 | |0 (DE-588)4113937-9 |a Hochschulschrift |2 gnd-content | |
| 689 | 0 | 0 | |a Offshore-Windpark |0 (DE-588)1132588286 |D s |
| 689 | 0 | 1 | |a Fernerkundung |0 (DE-588)4016796-3 |D s |
| 689 | 0 | 2 | |a Deep Learning |0 (DE-588)1135597375 |D s |
| 689 | 0 | |5 DE-604 | |
| 776 | 0 | 8 | |i Erscheint auch als |n Online-Ausgabe |o urn:nbn:de:bvb:20-opus-292857 |o doi:10.25972/OPUS-29285 |
| 856 | 4 | 1 | |u https://doi.org/10.25972/OPUS-29285 |x Resolving-System |z kostenfrei |3 Volltext |
| 912 | |a ebook | ||
| 943 | 1 | |a oai:aleph.bib-bvb.de:BVB01-034143737 | |
Record in the Search Index
| _version_ | 1823932151963320320 |
|---|---|
| adam_text | |
| adam_txt | |
| any_adam_object | |
| any_adam_object_boolean | |
| author | Höser, Thorsten 19XX- |
| author_GND | (DE-588)1284572722 |
| author_facet | Höser, Thorsten 19XX- |
| author_role | aut |
| author_sort | Höser, Thorsten 19XX- |
| author_variant | t h th |
| building | Verbundindex |
| bvnumber | BV048878960 |
| collection | ebook |
| ctrlnum | (OCoLC)1374573822 (DE-599)BVBBV048878960 |
| doi_str_mv | 10.25972/OPUS-29285 |
| format | Thesis Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>00000nam a2200000 c 4500</leader><controlfield tag="001">BV048878960</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20230519</controlfield><controlfield tag="007">t|</controlfield><controlfield tag="008">230328s2022 gw a||| m||| 00||| eng d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">23,O01</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1374573822</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)BVBBV048878960</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">eng</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">XA-DE-BY</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-384</subfield><subfield code="a">DE-473</subfield><subfield code="a">DE-703</subfield><subfield code="a">DE-1051</subfield><subfield code="a">DE-824</subfield><subfield code="a">DE-29</subfield><subfield code="a">DE-12</subfield><subfield code="a">DE-91</subfield><subfield code="a">DE-19</subfield><subfield code="a">DE-1049</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-739</subfield><subfield code="a">DE-898</subfield><subfield code="a">DE-355</subfield><subfield code="a">DE-706</subfield><subfield code="a">DE-20</subfield><subfield code="a">DE-1102</subfield><subfield code="a">DE-860</subfield><subfield code="a">DE-2174</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">624</subfield><subfield code="2">23sdnb</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">627.98</subfield><subfield code="2">23ksdnb</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Höser, Thorsten</subfield><subfield code="d">19XX-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1284572722</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Global dynamics of the offshore wind energy sector derived from earth observation data</subfield><subfield code="b">deep learning based object detection optimised with synthetic training data for offshore wind energy infrastructure extraction from sentinel-1 imagery = Globale Dynamik des Offshore-Windenergiesektors abgeleitet aus Erdbeobachtungsdaten : Deep Learning-basierte Objekterkennung, optimiert mit synthetischen Trainingsdaten für die Extraktion von Offshore-Windenergieinfrastrukturen aus Sentinel-1 Bildern</subfield><subfield code="c">vorgelegt von Thorsten Höser</subfield></datafield><datafield tag="246" ind1="1" ind2="1"><subfield code="a">Globale Dynamik des Offshore-Windenergiesektors abgeleitet aus Erdbeobachtungsdaten</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Würzburg</subfield><subfield code="c">Mai 2022</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">xxvii, 195 Seiten</subfield><subfield code="b">Illustrationen, Diagramme, Karten</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Literaturverzeichnis Seite 175-194</subfield></datafield><datafield tag="502" ind1=" " ind2=" "><subfield code="b">Dissertation</subfield><subfield code="c">Julius-Maximilians-Universität Würzburg</subfield><subfield code="d">2022</subfield></datafield><datafield tag="546" ind1=" " ind2=" "><subfield code="a">Zusammenfassung in deutscher und englischer Sprache</subfield></datafield><datafield tag="583" ind1="1" ind2=" "><subfield code="a">Archivierung/Langzeitarchivierung gewährleistet</subfield><subfield code="5">DE-101</subfield><subfield code="2">pdager</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Deep Learning</subfield><subfield code="0">(DE-588)1135597375</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Fernerkundung</subfield><subfield code="0">(DE-588)4016796-3</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Offshore-Windpark</subfield><subfield code="0">(DE-588)1132588286</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">deep learning</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">offshore wind energy</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">artificial intelligence</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">earth observation</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">remote sensing</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4113937-9</subfield><subfield code="a">Hochschulschrift</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Offshore-Windpark</subfield><subfield code="0">(DE-588)1132588286</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Fernerkundung</subfield><subfield code="0">(DE-588)4016796-3</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="2"><subfield code="a">Deep Learning</subfield><subfield code="0">(DE-588)1135597375</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe</subfield><subfield code="o">urn:nbn:de:bvb:20-opus-292857</subfield><subfield code="o">doi:10.25972/OPUS-29285</subfield></datafield><datafield tag="856" ind1="4" ind2="1"><subfield code="u">https://doi.org/10.25972/OPUS-29285</subfield><subfield code="x">Resolving-System</subfield><subfield code="z">kostenfrei</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ebook</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-034143737</subfield></datafield></record></collection> |
| genre | (DE-588)4113937-9 Hochschulschrift gnd-content |
| genre_facet | Hochschulschrift |
| id | DE-604.BV048878960 |
| illustrated | Illustrated |
| index_date | 2024-07-03T21:45:37Z |
| indexdate | 2025-02-13T09:00:48Z |
| institution | BVB |
| language | English |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-034143737 |
| oclc_num | 1374573822 |
| open_access_boolean | 1 |
| owner | DE-384 DE-473 DE-BY-UBG DE-703 DE-1051 DE-824 DE-29 DE-12 DE-91 DE-BY-TUM DE-19 DE-BY-UBM DE-1049 DE-92 DE-739 DE-898 DE-BY-UBR DE-355 DE-BY-UBR DE-706 DE-20 DE-1102 DE-860 DE-2174 |
| owner_facet | DE-384 DE-473 DE-BY-UBG DE-703 DE-1051 DE-824 DE-29 DE-12 DE-91 DE-BY-TUM DE-19 DE-BY-UBM DE-1049 DE-92 DE-739 DE-898 DE-BY-UBR DE-355 DE-BY-UBR DE-706 DE-20 DE-1102 DE-860 DE-2174 |
| physical | xxvii, 195 Seiten Illustrationen, Diagramme, Karten |
| psigel | ebook |
| publishDate | 2022 |
| publishDateSearch | 2022 |
| publishDateSort | 2022 |
| record_format | marc |
| spelling | Höser, Thorsten 19XX- Verfasser (DE-588)1284572722 aut Global dynamics of the offshore wind energy sector derived from earth observation data deep learning based object detection optimised with synthetic training data for offshore wind energy infrastructure extraction from sentinel-1 imagery = Globale Dynamik des Offshore-Windenergiesektors abgeleitet aus Erdbeobachtungsdaten : Deep Learning-basierte Objekterkennung, optimiert mit synthetischen Trainingsdaten für die Extraktion von Offshore-Windenergieinfrastrukturen aus Sentinel-1 Bildern vorgelegt von Thorsten Höser Globale Dynamik des Offshore-Windenergiesektors abgeleitet aus Erdbeobachtungsdaten Würzburg Mai 2022 xxvii, 195 Seiten Illustrationen, Diagramme, Karten txt rdacontent n rdamedia nc rdacarrier Literaturverzeichnis Seite 175-194 Dissertation Julius-Maximilians-Universität Würzburg 2022 Zusammenfassung in deutscher und englischer Sprache Archivierung/Langzeitarchivierung gewährleistet DE-101 pdager Deep Learning (DE-588)1135597375 gnd rswk-swf Fernerkundung (DE-588)4016796-3 gnd rswk-swf Offshore-Windpark (DE-588)1132588286 gnd rswk-swf deep learning offshore wind energy artificial intelligence earth observation remote sensing (DE-588)4113937-9 Hochschulschrift gnd-content Offshore-Windpark (DE-588)1132588286 s Fernerkundung (DE-588)4016796-3 s Deep Learning (DE-588)1135597375 s DE-604 Erscheint auch als Online-Ausgabe urn:nbn:de:bvb:20-opus-292857 doi:10.25972/OPUS-29285 https://doi.org/10.25972/OPUS-29285 Resolving-System kostenfrei Volltext |
| spellingShingle | Höser, Thorsten 19XX- Global dynamics of the offshore wind energy sector derived from earth observation data deep learning based object detection optimised with synthetic training data for offshore wind energy infrastructure extraction from sentinel-1 imagery = Globale Dynamik des Offshore-Windenergiesektors abgeleitet aus Erdbeobachtungsdaten : Deep Learning-basierte Objekterkennung, optimiert mit synthetischen Trainingsdaten für die Extraktion von Offshore-Windenergieinfrastrukturen aus Sentinel-1 Bildern Deep Learning (DE-588)1135597375 gnd Fernerkundung (DE-588)4016796-3 gnd Offshore-Windpark (DE-588)1132588286 gnd |
| subject_GND | (DE-588)1135597375 (DE-588)4016796-3 (DE-588)1132588286 (DE-588)4113937-9 |
| title | Global dynamics of the offshore wind energy sector derived from earth observation data deep learning based object detection optimised with synthetic training data for offshore wind energy infrastructure extraction from sentinel-1 imagery = Globale Dynamik des Offshore-Windenergiesektors abgeleitet aus Erdbeobachtungsdaten : Deep Learning-basierte Objekterkennung, optimiert mit synthetischen Trainingsdaten für die Extraktion von Offshore-Windenergieinfrastrukturen aus Sentinel-1 Bildern |
| title_alt | Globale Dynamik des Offshore-Windenergiesektors abgeleitet aus Erdbeobachtungsdaten |
| title_auth | Global dynamics of the offshore wind energy sector derived from earth observation data deep learning based object detection optimised with synthetic training data for offshore wind energy infrastructure extraction from sentinel-1 imagery = Globale Dynamik des Offshore-Windenergiesektors abgeleitet aus Erdbeobachtungsdaten : Deep Learning-basierte Objekterkennung, optimiert mit synthetischen Trainingsdaten für die Extraktion von Offshore-Windenergieinfrastrukturen aus Sentinel-1 Bildern |
| title_exact_search | Global dynamics of the offshore wind energy sector derived from earth observation data deep learning based object detection optimised with synthetic training data for offshore wind energy infrastructure extraction from sentinel-1 imagery = Globale Dynamik des Offshore-Windenergiesektors abgeleitet aus Erdbeobachtungsdaten : Deep Learning-basierte Objekterkennung, optimiert mit synthetischen Trainingsdaten für die Extraktion von Offshore-Windenergieinfrastrukturen aus Sentinel-1 Bildern |
| title_exact_search_txtP | Global dynamics of the offshore wind energy sector derived from earth observation data deep learning based object detection optimised with synthetic training data for offshore wind energy infrastructure extraction from sentinel-1 imagery = Globale Dynamik des Offshore-Windenergiesektors abgeleitet aus Erdbeobachtungsdaten : Deep Learning-basierte Objekterkennung, optimiert mit synthetischen Trainingsdaten für die Extraktion von Offshore-Windenergieinfrastrukturen aus Sentinel-1 Bildern |
| title_full | Global dynamics of the offshore wind energy sector derived from earth observation data deep learning based object detection optimised with synthetic training data for offshore wind energy infrastructure extraction from sentinel-1 imagery = Globale Dynamik des Offshore-Windenergiesektors abgeleitet aus Erdbeobachtungsdaten : Deep Learning-basierte Objekterkennung, optimiert mit synthetischen Trainingsdaten für die Extraktion von Offshore-Windenergieinfrastrukturen aus Sentinel-1 Bildern vorgelegt von Thorsten Höser |
| title_fullStr | Global dynamics of the offshore wind energy sector derived from earth observation data deep learning based object detection optimised with synthetic training data for offshore wind energy infrastructure extraction from sentinel-1 imagery = Globale Dynamik des Offshore-Windenergiesektors abgeleitet aus Erdbeobachtungsdaten : Deep Learning-basierte Objekterkennung, optimiert mit synthetischen Trainingsdaten für die Extraktion von Offshore-Windenergieinfrastrukturen aus Sentinel-1 Bildern vorgelegt von Thorsten Höser |
| title_full_unstemmed | Global dynamics of the offshore wind energy sector derived from earth observation data deep learning based object detection optimised with synthetic training data for offshore wind energy infrastructure extraction from sentinel-1 imagery = Globale Dynamik des Offshore-Windenergiesektors abgeleitet aus Erdbeobachtungsdaten : Deep Learning-basierte Objekterkennung, optimiert mit synthetischen Trainingsdaten für die Extraktion von Offshore-Windenergieinfrastrukturen aus Sentinel-1 Bildern vorgelegt von Thorsten Höser |
| title_short | Global dynamics of the offshore wind energy sector derived from earth observation data |
| title_sort | global dynamics of the offshore wind energy sector derived from earth observation data deep learning based object detection optimised with synthetic training data for offshore wind energy infrastructure extraction from sentinel 1 imagery globale dynamik des offshore windenergiesektors abgeleitet aus erdbeobachtungsdaten deep learning basierte objekterkennung optimiert mit synthetischen trainingsdaten fur die extraktion von offshore windenergieinfrastrukturen aus sentinel 1 bildern |
| title_sub | deep learning based object detection optimised with synthetic training data for offshore wind energy infrastructure extraction from sentinel-1 imagery = Globale Dynamik des Offshore-Windenergiesektors abgeleitet aus Erdbeobachtungsdaten : Deep Learning-basierte Objekterkennung, optimiert mit synthetischen Trainingsdaten für die Extraktion von Offshore-Windenergieinfrastrukturen aus Sentinel-1 Bildern |
| topic | Deep Learning (DE-588)1135597375 gnd Fernerkundung (DE-588)4016796-3 gnd Offshore-Windpark (DE-588)1132588286 gnd |
| topic_facet | Deep Learning Fernerkundung Offshore-Windpark Hochschulschrift |
| url | https://doi.org/10.25972/OPUS-29285 |
| work_keys_str_mv | AT hoserthorsten globaldynamicsoftheoffshorewindenergysectorderivedfromearthobservationdatadeeplearningbasedobjectdetectionoptimisedwithsynthetictrainingdataforoffshorewindenergyinfrastructureextractionfromsentinel1imageryglobaledynamikdesoffshorewindenergiesektorsabgelei AT hoserthorsten globaledynamikdesoffshorewindenergiesektorsabgeleitetauserdbeobachtungsdaten |