Каталог Данных Каталог Организаций Каталог Оборудования Каталог Программного Обеспечения Написать письмо Наши координаты Главная страница
RSS Реклама Карта сайта Архив новостей Форумы Опросы 
Здравствуйте! Ваш уровень доступа: Гостевой
Навигатор: Новости/
 
Rus/Eng
Поиск по сайту    
 ГИС-Ассоциация
 Аналитика и обзоры
 Нормы и право
 Конкурсы
 Дискуссии
 Наши авторы
 Публикации
 Календарь
 Биржа труда
 Словарь терминов
Проект поддерживают  



Авторизация    
Логин
Пароль

Забыли пароль?
Проблемы с авторизацией?
Зарегистрироваться


width=1 Rambler_Top100

наша статистика
статистика по mail.ru
статистика по rambler.ru

Реклама на сайте
Новостные ленты

Новая базовая модель для повышения точности интерпретации изображений дистанционного зондирования

Как сообщает android-robot.com, по данным Исследовательского института аэрокосмической информации (AIR) Китайской академии наук (CAS), для повышения точности интерпретации изображений дистанционного зондирования была разработана новая базовая модель, получившая название RingMo. Исследование под названием «RingMo: базовая модель дистанционного зондирования с моделированием маскированного изображения» было опубликовано в IEEE Transactions on Geoscience and Remote Sensing.

Изображения дистанционного зондирования применяются в таких областях, как классификация и обнаружение изменений, а подходы глубокого обучения способствовали быстрому развитию интерпретации изображений дистанционного зондирования. Наиболее широко используемой парадигмой обучения является использование предварительно обученных моделей ImageNet для обработки данных дистанционного зондирования для определенных задач. Однако существуют проблемы, такие как разрыв в предметной области между естественными сценами и сценами дистанционного зондирования и плохая способность к обобщению моделей дистанционного зондирования. Таким образом, необходимо разработать базовую модель с общим представлением признаков дистанционного зондирования. Поскольку доступно большое количество неразмеченных данных, метод самоконтроля лучше, чем полностью контролируемый метод дистанционного зондирования.

Исследование направлено на то, чтобы предложить основу модели дистанционного зондирования, которая может использовать преимущества генеративного обучения с самоконтролем для изображений дистанционного зондирования. RingMo представляет собой крупномасштабный набор данных, созданный путем сбора 2 миллионов изображений дистанционного зондирования со спутников и воздушных платформ, охватывающих множество сцен и объектов по всему миру. Кроме того, метод обучения базовой модели дистанционного зондирования разработан для плотных и небольших объектов в сложных сценах дистанционного зондирования. RingMo — первая генерирующая базовая модель для кросс-модальных данных дистанционного зондирования. В будущем модель может применяться для 3D-реконструкции, жилищного строительства, транспорта, водного хозяйства, охраны окружающей среды и других областей.


Разделы, к которым прикреплен документ:
Страны и регионы / Др. страны
Тематич. разделы / ДДЗ
Организации
Данные
Новости
 
Комментарии (0) Для того, чтобы оставить комментарий Вам необходимо авторизоваться или зарегистрироваться




ОБСУДИТЬ В ФОРУМЕ
Оставлено сообщений: 0


Источник: https://android-robot.com/novaya-bazovaya-model-povyshaet-tochnost-interpretacii-izobrazhenij-distancionnogo-zondirovaniya/?utm_source=yxnews&utm_medium=desktop&utm_referrer=https%3A%2F%2Fdzen.ru%2Fnews%2Fsearch%3Ftext%3D 09:38:03 20.09 2022   

Версия для печати  
    Анонсы партнеров

    Наши предложения
  Зарегистрироваться и получать новости по e-mail
  Реклама на сайте
  Конференции ГИС-Ассоциации
  Журнал "Управление развитием территории"
  Контакты

Портал Gisa.ru использует файлы cookie для повышения удобства пользователей и обеспечения работоспособности сайта и сервисов. Оставаясь на сайте Gisa.ru вы подтверждаете свое согласие на использование файлов cookie. Если вы не хотите использовать файлы cookie, то можете изменить настройки браузера. Пользовательское соглашение. Политика конфиденциальности.
© ГИС-Ассоциация. 2002-2022 гг.
Time: 0.012261867523193 sec, Question: 65