satellite imagery | BriefGPT

关键词satellite imagery

搜索结果 - 123

深度网络反演下的经济卫星图像变化检测
改变监测在卫星图像中寻找在不同时刻捕获的给定场景中的目标改变事件，本文中通过使用主动学习的方法提出了一种改变监测算法。该算法基于问答模型，利用虚拟实例（被称为虚拟样例）上的用户反馈更新深度神经网络分类器，并通过一种对抗模型学习最具表征性、多
PDF9 months ago
大规模弱监督学习用于卫星图像中的道路提取
使用深度学习从卫星图像中自动提取道路是传统手动制图的可行替代方案，本文提出了利用 OpenStreetMap 道路数据作为弱标签和大规模卫星图像进行预训练语义分割模型的方法，并且利用大规模预训练使模型具有更好的泛化能力。
PDF10 months ago
面向导向对比学习的无人机视角地理定位
通过建议的方向引导训练框架，本文在无人机成像中通过层级定位，预测方向标签以支持训练，实现了高精度的地理定位，同时还可以增强卫星图像对空间的推广。
PDFa year ago
美国城市长期可持续发展的卫星图像数据集
为支持美国城市可持续发展目标研究，我们利用深度学习模型开发了一个卫星图像数据集，涵盖了五个可持续发展目标和 25 个指标。该数据集覆盖了美国最多人口的 100 个城市以及对应的人口普查街区组，时间跨度为 2014 年至 2023 年。该数据
PDFa year ago
利用深度学习应用于卫星图像识别塞浦路斯农村地区的垃圾倾倒场
利用人工智能技术和卫星图像，该研究旨在探索在塞浦路斯农村地区使用人工智能技术识别非法垃圾倾倒场的程度，通过训练适合此任务的卷积神经网络，以大约 90% 的准确率正确识别包含垃圾的图像，为未来构建全岛建设性的岛屿 “垃圾” 地图奠定基础。
PDFa year ago
多模态调查和地球观测数据预测贫困率
通过结合家庭人口统计和生活水平调查问题以及从卫星图像中提取的特征，预测一个地区的贫困率。我们的方法利用 10 米每像素的 Sentinel-2 地表反射卫星图像，并使用单步特征化方法获得视觉特征。这些视觉特征与十个调查问题结合在一起，通过代
PDFa year ago
SepHRNet: 使用可分离卷积的 HRNet 从遥感图像生成高分辨率农作物地图
本文提出了一种新型深度学习方法，将 HRNet 与可分离卷积层集成以捕获空间模式和自注意力以捕获数据的时间模式，并利用 CNN 解码器从聚合表示生成作物地图。该算法在生成作物地图方面达到了 97.5％的高分类精度和 55.2％的 IoU，并
PDFa year ago
CVPR 2023 亚马逊地区森林砍伐估计挑战赛：SpaceVision4Amazon
基于光学和合成孔径雷达卫星影像，我们提出了一种基于注意力引导的 UNet 架构的森林砍伐估计方法，通过训练和验证模型，得出了 93.45% 的像素准确率和 0.79 的 F1 分数与 0.69 的 IoU。
PDFa year ago
卫星影像中的标签比例轻量级学习
本文旨在探讨如何使用深度学习与概率方法，基于卫星图像上的较粗标签信息，提高对细粒度标注的预测精度，并提供一套用于基准测试的数据集，以促进基于标签比例学习在地球观测领域的应用发展。
PDFa year ago
CVPR2023 年 MultiEarth 森林砍伐挑战 ——FOREVER 团队
通过多视角学习策略、最新的深度神经网络模型和多模态数据集，采用全面的数据增强和多样化网络方法，能够有效而准确地预测亚马逊雨林地区的森林砍伐情况。
PDFa year ago
使用卷积变换器的能量模型进行跨模态定位
使用基于能量的模型框架对非 GPS 地面车辆进行定位，并结合激光雷达传感器和卫星图像进行跨模态测量级定位的方法，实验结果表明其在 KITTI、Pandaset 和自定义数据集上的表现优于现有最优解的方法。
PDFa year ago
利用卫星图像实现长距离无人机热像地理定位
本文提出了一种利用卫星图像进行长距离无人机热成像定位的新方法，并通过多种域自适应方法解决配对热成像和卫星图像有限的可用性，实验结果表明该方法的有效性，本研究是首次提出在长距离飞行中利用卫星图像进行热成像定位的方法。
PDFa year ago
卫星贫困地图中的公平性和代表性：城乡差异及其对下游政策的影响证据
本文通过使用十个国家的调查与卫星数据，研究城乡界限上的贫困地图建立中的不平等现象、预测误差中的系统性偏差以及公平性问题，展示了这些现象如何影响基于预测地图的政策的有效性。本文的发现强调了在使用卫星贫困地图做出现实世界政策决策之前进行仔细的误
PDFa year ago
CVPR推断过去：一个结合 CNN-LSTM 深度学习框架的卫星数据融合历史淹没区域制图方法
本文介绍一种结合卫星图像数据和深度学习模型的方法，来预测氾水面积。该方法在孟加拉国的历史氾水数据中进行测试，结果表明该方法比传统算法（如 CNN 和阈值算法）效果更好。
PDFa year ago
SATIN: 使用视觉语言模型分类卫星图像的多任务元数据集
本研究旨在建立卫星遥感图像分类的基准数据集（SATIN），以对广泛范围的视觉语言（VL）模型的零 - shot 传输分类能力进行全面评估，并发现 SATIN 是一个具有挑战性的基准数据集。该数据集涵盖了来自 27 个现有遥感数据集的元数据，
PDFa year ago
运用实用 UNets 提升主动火灾检测
为了更好地监测和控制日益增多的全球各地的林火，这项研究提出了一种新的名为 Operational U-Nets 的方法。基于卫星图像的监测和检测已经成为处理森林和公共土地的活性火灾的至关重要的手段。
PDFa year ago
利用自我监督学习和视觉转换器，基于航空和 GEDI Lidar 训练的方法生成亩级分辨率的林冠高度地图
本研究采用高分辨率卫星影像，利用视觉变换技术和自我监督模型，同时生成了加利福尼亚和圣保罗地区的林冠高度图，可以有效观测森林生长和可持续农林业管理，是全球碳循环和应对气候变化的重要研究领域之一。
PDFa year ago
使用深度学习数据中心策略基于超高分辨率卫星图像分割与成熟度分类龙舌兰作物
本文提出一种基于高分辨率卫星图像的 Agave tequilana Weber azul 作物分割和成熟度分类的方法，结合主动学习和人工监督创建合成图像，解决数据不足、标签质量差、数据不平衡和模型表现差等问题，将产量预测和供需问题检测结合，
PDFa year ago
MapInWild：解答自然野性何以成为自然的遥感数据集
为了更好地理解 “什么让自然 “野生”？” 这个问题，我们引入了机器学习应用于卫星图像的 “荒野制图” 任务，并发布了用于此任务的大规模基准数据集 MapInWild，其中包括各种地球观测传感器所获取的各种地理数据。
PDF2 years ago
一种面向地理空间探索的视觉主动搜索框架
通过建立视觉主动搜索框架，结合强化学习技术和领域自适应方法，该研究提出了一种针对航拍图像的地理空间搜索模型，有效地提高了目标物体识别的准确率。
PDF2 years ago