Master Thesis Online
Automatic OilSpill detection and monitoring with supervised machine learning and SAR remote sensing
Stock, Damien 
Promoteur(s) :
Defrere, Denis
;
Van Droogenbroeck, Marc
Date de soutenance : 7-sep-2020/8-sep-2020 • URL permanente : http://hdl.handle.net/2268.2/9940
Détails
| Titre : | Automatic OilSpill detection and monitoring with supervised machine learning and SAR remote sensing |
| Auteur : | Stock, Damien
|
| Date de soutenance : | 7-sep-2020/8-sep-2020 |
| Promoteur(s) : | Defrere, Denis
Van Droogenbroeck, Marc
|
| Membre(s) du jury : | Kirkove, Murielle
Marée, Raphaël
Orban, Anne
|
| Langue : | Anglais |
| Nombre de pages : | 96 |
| Mots-clés : | [en] Oil spill detection SAR Convolutional neural network |
| Discipline(s) : | Physique, chimie, mathématiques & sciences de la terre > Aérospatiale, astronomie & astrophysique |
| Institution(s) : | Université de Liège, Liège, Belgique |
| Diplôme : | Master en sciences spatiales, à finalité approfondie |
| Faculté : | Mémoires de la Faculté des Sciences |
Résumé
[en] This master thesis had as aim the analysis of the possibility of making an oil spill detection automation tool based on SAR images and convolutional neural network.
Fichier(s)
Document(s)
Oil_Spill_Detection.pdf
Description: Stock Damien
Taille: 23.28 MB
Format: Adobe PDF
Citer ce mémoire
Tous les documents disponibles sur MatheO sont protégés par le droit d'auteur et soumis aux règles habituelles de bon usage.
L'Université de Liège ne garantit pas la qualité scientifique de ces travaux d'étudiants ni l'exactitude de l'ensemble des informations qu'ils contiennent.
L'Université de Liège ne garantit pas la qualité scientifique de ces travaux d'étudiants ni l'exactitude de l'ensemble des informations qu'ils contiennent.