遙感影像處理

Accedi

approfondimento - 遙感影像處理

本文探討使用先進的超分辨率技術,將Sentinel-2光譜波段的空間解析度提升2倍。對比了基於卷積神經網絡和生成對抗網絡的方法,並評估其在質量和可行性方面的表現。

CDChat是一個用於遙感影像變化描述的大型多模態模型,能夠生成詳細的變化描述並計算變化區域的數量。

提出一種新的多模態框架KCFI,通過利用關鍵變化特徵和指令調整來提高遙感影像變化描述的準確性和有效性。

人工標註者在遙感影像中對小型太陽能電池板的偵測效能優於分割效能,且傾向於犯漏報錯誤(false negatives)多於誤報錯誤(false positives)。人工標註的效能受到任務條件(目標與背景的比例)和標註策略(個人vs.群組)的影響,但不受標註者經驗的顯著影響。

提出一種新的提示學習範式,通過設計局部提示模塊和全局到局部提示模塊,有效地解決了遙感影像中前景背景比例失衡和實例尺度有限的問題,並支持可提示的實例分割任務。

本研究採用基於查找表的輻射傳輸模擬來緩解高解析度CARTOSAT-3 MX影像中的大氣效應,並將校正後的地表反射率用於監督和半監督的分割模型,在稀疏標註數據的情況下展示了多類別土地利用/覆蓋分割的穩定性。

Chi Siamo

Prodotti

Risorse