Direct Window-to-Wall Ratio Prediction Using Deep Learning Approaches
| Zugehörige Institution(en) am KIT | Institut für Automation und angewandte Informatik (IAI) |
| Publikationstyp | Proceedingsbeitrag |
| Publikationsdatum | 17.05.2023 |
| Sprache | Englisch |
| Identifikator | ISBN: 978-1-66549-373-4 KITopen-ID: 1000159720 |
| HGF-Programm | 37.12.01 (POF IV, LK 01) Digitalization & System Technology for Flexibility Solutions |
| Erschienen in | 2023 Joint Urban Remote Sensing Event (JURSE) |
| Veranstaltung | Joint Urban Remote Sensing Event (JURSE 2023), Iraklio, Griechenland, 17.05.2023 – 19.05.2023 |
| Verlag | Institute of Electrical and Electronics Engineers (IEEE) |
| Seiten | 1–4 |
| Nachgewiesen in | Scopus OpenAlex Dimensions |
| Globale Ziele für nachhaltige Entwicklung |