PVMultiSegNet: Framework for Simultaneous Segmentation of Rooftop and Ground-Mounted Photovoltaics
Krikau, Svea
1
1 Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften (BGU), Karlsruher Institut für Technologie (KIT)
11 Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften (BGU), Karlsruher Institut für Technologie (KIT)
Abstract (englisch):
A deep learning framework for simultaneous segmentation of rooftop and ground-mounted photovoltaic (PV) systems using multispectral remote sensing data.
The code relates to the publication: S. Krikau and S. Keller, "Deep Learning Framework for Multi-Class Segmentation of Photovoltaic Systems," in IEEE Transactions on Geoscience and Remote Sensing, doi: 10.1109/TGRS.2025.3640268.
The code relates to the publication: S. Krikau and S. Keller, "Deep Learning Framework for Multi-Class Segmentation of Photovoltaic Systems," in IEEE Transactions on Geoscience and Remote Sensing, doi: 10.1109/TGRS.2025.3640268.
| Zugehörige Institution(en) am KIT | Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften (BGU) |
| Publikationstyp | Forschungsdaten |
| Publikationsdatum | 19.08.2025 |
| Erstellungsdatum | 15.08.2025 |
| Identifikator | DOI: 10.35097/6m6dm7pfuz930few KITopen-ID: 1000184009 |
| Lizenz | MIT License |
| Schlagwörter | photovoltaic, image processing, remote sensing, renewable energy |
| Liesmich | Extract the ZIP folder to obtain the files needed to run PVMultiSegNet. The README file contains instructions for managing the code. |
| Art der Forschungsdaten | Software |
| Nachgewiesen in | OpenAlex |
| Globale Ziele für nachhaltige Entwicklung |