GeoAI: Deep Learning für die Erdbeobachtung · LETO Academy
Weltraum & EO·Fortgeschritten
GeoAI: Deep Learning für die Erdbeobachtung
Moderne KI auf Satelliten- und Luftbilder anwenden. Von Geodaten und Labels über Segmentierung und Veränderungserkennung bis zur neuen Welle geräumlicher Foundation Models, mit praktischem Python.
Erklären, was GeoAI ist, warum es gerade jetzt zählt und wie ein GeoAI-Projekt vom Bild bis zur Karte verläuft
Geodaten sicher lesen und vorbereiten: Raster und Vektoren, Auflösung, Projektionen und cloud-native Formate
Die passende Deep-Learning-Aufgabe für ein reales Problem wählen, von Klassifikation und Detektion bis Segmentierung, Veränderungserkennung und Regression
Geräumliche Foundation Models (SAM, Vision-Language-Modelle, Satelliten-Embeddings) einsetzen und Ergebnisse ehrlich bewerten
Lehrplan
01Grundlagen der GeoAI
Was ist GeoAI?Vorschau9 Min.
Warum GeoAI gerade jetzt8 Min.
Der GeoAI-Workflow8 Min.
02Geodaten-Grundlagen
Raster- und Vektordaten9 Min.
Auflösung und Koordinatensysteme9 Min.
Formate und Daten finden9 Min.
03Vom Bild zu den Trainingsdaten
Von Szenen zu Kacheln9 Min.
Labels und ehrliche Splits9 Min.
04Die zentralen KI-Aufgaben
Klassifikation und Objektdetektion9 Min.
Semantische Segmentierung9 Min.
Instanzsegmentierung, Veränderungserkennung und Regression9 Min.