Maschinelles Lernen in der automatischen Auswertung von Punktwolken:  Beispiele der Erfahrungen  an der Universität Luxemburg

NURUNNABI, Abdul Awal Md; TEFERLE, Felix Norman

Communication orale non publiée/Abstract (Colloques, congrès, conférences scientifiques et actes)

Maschinelles Lernen in der automatischen Auswertung von Punktwolken: Beispiele der Erfahrungen an der Universität Luxemburg

NURUNNABI, Abdul Awal Md; TEFERLE, Felix Norman

2023 • Kleiner Geodätentag Rheinland-Pfalz, Saarland, Luemburg

Permalien
https://hdl.handle.net/10993/52645

Documents (1)Envoyer vers Détails Statistiques Bibliographie Publications similaires

Documents

Texte intégral

NurunnabiundTeferle07-10-22.pdf

Postprint Éditeur (10.76 MB)

Presentation as given

Télécharger

Tous les documents dans ORBilu sont protégés par une licence d'utilisation.

Envoyer vers

RIS BibTex APA Chicago Permalink X Linkedin

Détails

Mots-clés :

Machine Learning; Deep Learning; Point Clouds; geospatial big data

Disciplines :

Ingénierie civile

Auteur, co-auteur :

NURUNNABI, Abdul Awal Md ; University of Luxembourg > Faculty of Science, Technology and Medicine (FSTM) > Department of Engineering (DoE)

TEFERLE, Felix Norman ; University of Luxembourg > Faculty of Science, Technology and Medicine (FSTM) > Department of Engineering (DoE)

Co-auteurs externes :

Langue du document :

Anglais

Titre :

Maschinelles Lernen in der automatischen Auswertung von Punktwolken: Beispiele der Erfahrungen an der Universität Luxemburg

Date de publication/diffusion :

07 octobre 2023

Nombre de pages :

Nom de la manifestation :

Kleiner Geodätentag Rheinland-Pfalz, Saarland, Luemburg

Organisateur de la manifestation :

DVW Rheinland-Pfalz e. V. / Technische Akademie Südwest

Lieu de la manifestation :

Kaiserslautern, Allemagne

Date de la manifestation :

7-10-2022

Sur invitation :

Oui

Manifestation à portée :

International

Focus Area :

Computational Sciences

Intitulé du projet de recherche :

R-AGR-3818-10 SOLSTICE

Organisme subsidiant :

FEDER - Fonds Européen de Développement Régional

Disponible sur ORBilu :

depuis le 08 novembre 2022

Statistiques

Nombre de vues

161 (dont 4 Unilu)

Nombre de téléchargements

141 (dont 4 Unilu)

Voir plus de statistiques