Die Bilder mussten zunächst vorverarbeitet und normalisiert werden. Die Erstellung der Trainingsdaten musste daraufhin mit viel manuellem Aufwand durchgeführt werden. Die Windräder wurden dafür händisch in dem Tool ArcGIS Pro (Esris Professional GIS Tool) als georeferenzierte Polygone markiert. Der Algorithmus wurde dann mit daraus generierten Bildmasken trainiert. Das verwendete Deep Learning-Modell basiert auf der U-Net-Architektur, welches sich für Segmentierungsaufgaben mit geringer Trainingsdatenmenge bewährt hat.
Das so trainierte Modell wurde dann noch so lange weiter kalibriert, bis die bestmögliche Vorhersagegenauigkeit für den Datensatz erreicht wurde. Die letzte Schicht des neuronalen Netzes gibt eine Bildmaske mit einer pixelweisen Vorhersage zur Wahrscheinlichkeit aus, ob ein Pixel zu einem Windrad gehört.
