Mitarbeiterbild von Felix Riese

M.Sc. Felix Riese

Biographie

Forschungsschwerpunkte

Lehrtätigkeit

Andere Profile

Preise und Auszeichnungen

Workshops, Vorträge und Poster

Medien und Presse

Publikationen

Projekte

 

Biographie

09/2019 - 12/2019 Gast-Wissenschaftler und Data Scientist bei FluroSat in Sydney (AU)
04/2019 TRUST Messkampagne in Peru
09/2018 "Brain to Market" Summer School in Paris (FR) über Neuropathologie und Entrepreneurship (Aftermovie)
07/2018 VISUM Summer School in Porto (PT) über Machine Learning und Computer Vision (Aftermovie)
Seit 06/2018 Teilnehmer des KIT Mentoring-Programms X-Ment für Wissenschaftler
Seit 01/2018 MBA Fellow des Collège des ingénieurs (CDI) in Paris (FR)
Seit 05/2017 Doktorand am Institut für Photogrammetrie und Fernerkundung (IPF) des KIT
01/2016 - 05/2018 Lehrauftrag an der DHBW Karlsruhe für den Studiengang Informatik (siehe Lehrtätigkeit)
10/2014 - 03/2017 Master in Physik am KIT, Schwerpunkt "Datenanalyse in der Teilchenphysik"
  Masterthesis: "Boosted-Jet Reconstruction Methods in a Search for Higgs-Boson Production in Association with a Top-Quark-Antiquark Pair at the CMS Experiment" am Institut für experimentelle Kernphysik (EKP) des KIT bei Prof. Dr. Husemann
10/2011 - 09/2014 Bachelor in Physik am KIT

 

Forschungsschwerpunkte

  • Machine Learning: Datenanalyse, Überwachtes und Unüberwachtes Lernen, Self-Organizing Maps (SOM), Deep Learning, Python
  • Hyperspektrale Fernerkundung, Multispektrale Satelliten (Sentinel-2), Drohnen (UAV)
  • Geowissenschaften: Schätzen von Bodenparametern (Oberfläche)

 

Lehrtätigkeit

  • Einführung in die Lineare Algebra, Analysis und Statistik an der DHBW Karlsruhe
  • Einführung in Wissensbasierte Systeme an der DHBW Karlsruhe
  • Einführung in LaTeX an der DHBW Karlsruhe

 

Andere Profile

 

Preise und Auszeichnungen

  • Best Paper Award auf der ISPRS Geospatial Week 2019 in Enschede (NL)

 

Workshops, Vorträge und Poster

Juni 2019 Vortrag über die Veröffentlichung "Soil Texture Classification with 1D Convolutional Neural Networks based on Hyperspectral Data" auf der ISPRS Geospatial Week in Enschede (NL), Code
Mai 2019 Vortrag "Satellite Computer Vision mit Keras und TensorFlow - Best Practices und Beispiele aus der Forschung" auf der M3 Konferenz in Mannheim (DE), Folien und Code
April 2019 Workshop über "Introduction to Artificial Intelligence in Remote Sensing" über zwei Tage an der Universidad Nacional Agraria La Molina in Lima (PE)
März 2019 Poster über "Land use classification with remote sensing data and machine learning in the Lima region (Peru)" auf dem Tag der Hydrologie 2019 in Karlsruhe (DE)
Februar 2019 Poster über "Land use classification with remote sensing data and machine learning in the Lima region (Peru)" auf der GRoW Midterm Konferenz in Frankfurt am Main (DE)
Oktober 2018

Vortrag "Satellite data is for everyone: Insights into modern remote sensing research with open data and Python" auf der PyCon.DE 2018 in Karlsruhe (DE), Folien und Code, Video des Vortrages
Oktober 2018 Vortrag über die Veröffentlichung "Developing a machine learning framework for estimating soil moisture with VNIR hyperspectral data" auf dem ISPRS TCI Symposium 2018 in Karlsruhe (DE)
September 2018 Vortrag über die Veröffentlichung "Fusion of hyperspectral and ground penetrating radar to estimate soil moisture" auf der WHISPERS 2018 Konferenz in Amsterdam (NL)
Juli 2018 Vortrag über die Veröffentlichung "Introducing a Framework of Self-Organizing Maps for Regression of Soil Moisture with Hyperspectral Data" auf der IGARSS 2018 Konferenz in Valencia (ES)

Juli 2018

 Poster über "Self-organizing maps for regression with hyperspectral data" auf der VISUM Summer School in Porto (PT)

März 2018

 Vortrag über die Veröffentlichung "Modeling Subsurface Soil Moisture Based on Hyperspectral Data - First Results of a Multilateral Field Campaign" auf der DGPF Tagung in München (DE)

 

Medien und Presse

  • SWR2 Impuls Radio-Interview über "Künstliche Intelligenz - Trinkwassersuche mit Satelliten und KI" mit Sina Keller
  • Pressemitteilung des KIT-SEK mit dem Titel "Vom Satellitenbild zum Trinkwasserkonzept" über die Peru-Messkampagne und den Beitrag des IPF im TRUST-Projekt
  • Youtube-Video mit dem Titel "Künstliche Intelligenz in der Umweltforschung" über meine Promotion und der Beitrag des IPF im TRUST-Projekt (Fernsehausstrahlung in RegioTV und BadenTV)
  • Podcast-Episode zum Thema "Fernerkundung mit Multispektralen Satellitenbildern" im TechTiefen-Podcast mit Nico Kreiling im Juli 2019
  • Youtube-Video des Vortrags "Satellite data is for everyone: Insights into modern remote sensing research with open data and Python" auf der PyCon.DE im Oktober 2018

Publikationen


2021
Sefrin, O.; Riese, F. M.; Keller, S. (2021). Deep Learning for Land Cover Change Detection. Remote sensing, 13 (1), Article no: 78. doi:10.3390/rs13010078
2020
Keller, S.; Riese, F. M.; Allroggen, N.; Jackisch, C. (2020, Mai). HydReSGeo: Field experiment dataset of surface-sub-surface infiltration dynamics acquired by hydrological, remote sensing, and geophysical measurement techniques. doi:10.5880/fidgeo.2020.015
Riese, F. M. (2020). LUCAS Soil Texture Processing Scripts. doi:10.5281/zenodo.3871431
Riese, F. M. (2020). Processing Scripts of the ALPACA Dataset. doi:10.5281/zenodo.3871459
Riese, F. M. (2020, März). Hyperspectral Processing Scripts for the HydReSGeo Dataset 1.0.0. doi:10.5281/zenodo.3706418
Riese, F. M. (2020, Juni 10). Development and Applications of Machine Learning Methods for Hyperspectral Data. Dissertation. Karlsruher Institut für Technologie (KIT). doi:10.5445/IR/1000120067
Riese, F. M.; Keller, S. (2020). Supervised, Semi-supervised, and Unsupervised Learning for Hyperspectral Regression. Hyperspectral Image Analysis : Advances in Machine Learning and Signal Processing. Hrsg.: S. Prasad, 187–232, Springer Nature. doi:10.1007/978-3-030-38617-7_7
Riese, F. M.; Keller, S.; Hinz, S. (2020). Supervised and Semi-Supervised Self-Organizing Maps for Regression and Classification Focusing on Hyperspectral Data. Remote sensing, 12 (1), Art. Nr.: 7. doi:10.3390/rs12010007
Riese, F. M.; Schroers, S.; Wienhöfer, J.; Keller, S. (2020, April 9). Aerial Peruvian Andes Campaign (ALPACA) Dataset 2019. doi:10.5445/IR/1000118082
Sefrin, O.; Riese, F. M.; Keller, S. (2020). Code for Deep Learning for Land Cover Change Detection 1.0.1. doi:10.5281/zenodo.4289079
Wagner, P.; Riese, F. M.; Keller, S. (2020). CAOS Sentinel-2 Pipeline in Python. doi:10.5281/zenodo.3879622
2019
Leitloff, J.; Riese, F. M. (2019, Mai 15). Satellite Computer Vision mit Keras und Tensorflow - Best practices und Beispiele aus der Forschung. Minds Mastering Machines (2019), Mannheim, Deutschland, 14.–16. Mai 2019. doi:10.5281/zenodo.4056744
Leitloff, J.; Riese, F. M.; Kreiling, N. (2019). Fernerkundung mit multispektralen Satellitenbildern.
León, C. D.; Kosow, H.; Zahumensky, Y.; Krauß, M.; Wasielewski, S.; Minke, R.; Wienhöfer, J.; Riese, F. M.; Keller, S.; Sturm, S.; Brauer, F.; Hügler, M.; Gottwalt, J.; Riepl, D. (2019). Solutions and planning tools for water supply and wastewater management in prosperous regions tackling water scarcity. Proceedings of the GRoW Midterm Conference - Global analyses and local solutions for sustainable water resources management, Frankfurt am Main, 20-21 February 2019. Ed.: A. Kramer, 28–31, adelphi.
Riese, F. M. (2019). Processing Scripts for Thermal Infrared Cameras. doi:10.5281/zenodo.3576242
Riese, F. M. (2019). SUSI: SUpervised Self-organIzing maps in Python. Zenodo. doi:10.5281/zenodo.2609130
Riese, F. M. (2019). CNN Soil Texture Classification. Zenodo. doi:10.5281/zenodo.2540718
Riese, F. M.; Keller, S. (2019). Hyperspectral Regression: Code Examples. doi:10.5281/zenodo.3450676
Riese, F. M.; Keller, S. (2019). SUSI: Supervised Self-Organizing Maps for Regression and Classification in Python.
Riese, F. M.; Keller, S. (2019). Soil Texture Classification with 1D Convolutional Neural Networks based on Hyperspectral Data. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences (2019 ISPRS) Geospatial Week 2019, Enschede, NL, June 10-14, 2019. Vol. IV-2/W5, 615–621. doi:10.5194/isprs-annals-IV-2-W5-615-2019
Riese, F. M.; Sexauer, A.; Wetzel, C.; Reiling, Y.; Keller, S.; Hinz, S. (2019). Künstliche Intelligenz in der Umweltforschung.
Sefrin, O.; Riese, F. M.; Keller, S. (2019). Soil Texture Processing. doi:10.5281/zenodo.3431628
2018
Keller, S.; Maier, P.; Riese, F.; Norra, S.; Holbach, A.; Börsig, N.; Wilhelms, A.; Moldaenke, C.; Zaake, A.; Hinz, S. (2018). Hyperspectral Data and Machine Learning for Estimating CDOM, Chlorophyll a, Diatoms, Green Algae and Turbidity. International journal of environmental research and public health, 15 (9), 1881/1–15. doi:10.3390/ijerph15091881
Keller, S.; Riese, F. M.; Allroggen, N.; Jackisch, C.; Hinz, S. (2018). Modeling Subsurface Soil Moisture Based on Hyperspectral Data : First Results of a Multilateral Field Campaign. Photogrammetrie, Fernerkundung, Geoinformatik, Kartographie 2018 (PFGK18) : Beiträge der 37. Wissenschaftlich-Technische Jahrestagung der DGPF e.V., 5. Münchner GI-Runde Runder Tisch GIS e.V. und des 66. Deutscher Kartographie Kongress der DGfK e.V., München, Deutschland, 7. - 9. März 2018. Hrsg.: T. P. Kersten, 34–48, Deutsche Gesellschaft für Photogrammetrie.
Keller, S.; Riese, F. M.; Stötzer, J.; Maier, P. M.; Hinz, S. (2018). Developing a machine learning framework for estimating soil moisture with VNIR hyperspectral data. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences - Symposium “Innovative Sensing – From Sensors to Methods and Applications”, Karlsruhe, Germany, 10–12 October 2018. Volume: IV-1, 101–108, ISPRS. doi:10.5194/isprs-annals-IV-1-101-2018
Leitloff, J.; Riese, F. M. (2018). Examples for CNN training and classification on Sentinel-2 data. doi:10.5281/zenodo.3268451
Riese, F. M.; Keller, S. (2018). Introducing a Framework of Self-Organizing Maps for Regression of Soil Moisture with Hyperspectral Data. IGARSS 2018 - 2018 IEEE International Geoscience and Remote Sensing Symposium, Valencia, Spain, 22nd - 27th July, 2018, 6151–6154, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/IGARSS.2018.8517812
Riese, F. M.; Keller, S. (2018, April 24). Hyperspectral benchmark dataset on soil moisture. doi:10.5281/zenodo.1227837
Riese, F. M.; Keller, S. (2018). Fusion of hyperspectral and ground penetrating radar data to estimate soil moisture. 9th Workshop on Hyperspectral Image and Signal Processing : Evolution in Remote Sensing (Whispers 2018), Amsterdam, NL, September 23-26, 2018, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/WHISPERS.2018.8747076
Riese, F. M.; Leitloff, J. (2018). Satellite data is for everyone: Insights into modern remote sensing research with open data and Python. doi:10.5281/zenodo.4056516