Публикации по теме 'remote-sensing'
Синтез надежности: требования к размеру набора данных и географическая аналитика
Синтез надежности: требования к размеру набора данных и географическая аналитика
Предисловие. Этот блог впервые появился в блоге IQT в рамках продолжающегося исследовательского проекта IQT Labs , изучающего синтетические данные и спутниковые снимки. Воспроизведено здесь с разрешения.
1. Введение
Набор данных спутниковых изображений RarePlanes достаточно богат, чтобы обеспечить обширные исследования машинного обучения и обнаружения объектов, особенно в сочетании с..
Как сравнить несколько моделей машинного обучения?
В этой статье мы обсудим показатели производительности , которые необходимо использовать при сравнении нескольких моделей машинного обучения. Показатели производительности являются основой любой модели машинного обучения. Они скажут нам, насколько точно мы тренируем и оцениваем нашу модель.
В задачах машинного обучения на основе регрессии обычно используют коэффициент корреляции (R), среднеквадратичную ошибку (RMSE) или MSE и смещение в качестве показателей производительности для..
Предварительная обработка спутниковых изображений для проекта машинного обучения
Я работал инженером-программистом. Причина, по которой я хотел бы написать этот пост, - поделиться своим недавним опытом работы со спутниковыми изображениями и тем, как использовать спутниковые изображения в проекте машинного обучения.
Раздел 1. Зачем нужны спутниковые снимки
Спутниковые изображения содержат информацию, полезную для проектов, связанных с данными. Там нас ждет множество спутниковых снимков. И что еще важнее, они бесплатны (не все, есть коммерческие спутниковые..
Мета-корабль наблюдения Земли
Когда-то я мечтал о неограниченном доступе к данным спутниковой сети. Сначала я подумал, что это что-то из фантастики или Трона , но потом понял, что это может стать реальностью, и именно поэтому мы запустили Starmesh.
«Я попытался представить кластеры информации, перемещающиеся по компьютеру»
Моя первая мечта появилась благодаря ☄️ системе мониторинга Fireball для Земли. (2016). Совершенно нереальная на тот момент, открытых данных не нашлось, узкая клиентская база — модель B2G..
Фонд Radiant Earth получил соглашение о сотрудничестве от НАСА для расширения Radiant MLHub, G
Radiant Earth Foundation рада сообщить о заключении трехлетнего соглашения о сотрудничестве с программой NASA Advancing Collaborative Connections for Earth System Science (ACCESS) для расширения услуг Radiant MLHub и поддержки растущего спроса на бенчмарки в сообществе геопространственного машинного обучения. .
Radiant MLHub — это первая в мире облачная библиотека геопространственных обучающих данных с открытым доступом, предназначенная для ускорения внедрения машинного обучения для..
Начало работы с Google Earth Engine
Google Earth Engine ( GEE ), для тех, кто не знает, - это платформа, которая позволяет обрабатывать спутниковые снимки прямо в облаке. Он включает в себя Javascript IDE (текстовый редактор + интерпретатор), а также обширный архив изображений, полученных со спутников, таких как: Sentinel-1, Sentinel-2 и Landsat-8, среди других.
Чтобы зарегистрироваться в GEE, необходима учетная запись Gmail. Все, что нужно сделать, это зайти в sign-up и зарегистрироваться, чтобы получить доступ к GEE...
Мониторинг вырубки лесов с помощью открытых данных и машинного обучения - часть 2
Эта статья является продолжением истории из двух частей. Вы можете найти первый раздел здесь .
В предыдущей статье мы:
Представлено, насколько важны леса как часть решения по борьбе с изменением климата. Введены открытые источники данных, которые мы можем использовать для мониторинга обезлесения. Объяснил, как можно обучить классификатор автоматически обнаруживать изменения в доступных данных.
В данной статье обученный классификатор используется для обнаружения вариаций леса,..
