Публикации по теме 'satellite-imagery'


Geo-Inference: раскрытие возможностей спутниковых вычислений на периферии
В области анализа спутниковых изображений возможность точного извлечения информации из огромных объемов данных всегда была проблемой. Однако недавние достижения в области машинного обучения и периферийных вычислений проложили путь к захватывающим возможностям в этой области. В этом блоге мы углубимся в мир геологического вывода и изучим преимущества спутниковых вычислений на периферии. Мы также обсудим сложности, связанные с получением согласованных результатов для различных спутниковых..
Прогнозирование дорожно-транспортных происшествий сверху
Как парсить собственные спутниковые снимки для глубокого обучения Проблема Ежегодно в дорожно-транспортных происшествиях погибает около 1,25 млн человек, а еще 20–50 млн получают травмы или становятся инвалидами. Если бы места дорожно-транспортных происшествий можно было предсказать, это могло бы оказать огромное благотворное влияние, потенциально способствуя снижению количества аварий каждый год. Например, программное обеспечение для маршрутизации может избегать наиболее опасных..
Как защитить национальную территорию и ее биоразнообразие с помощью искусственного интеллекта
Автор: Франсиско Пириз , MSc; Инженер по исследованиям и разработкам в Digital Sense; в сотрудничестве с Javier Preciozzi , доктором философии; Управляющий партнер DigitalSense. Контекст возможностей Уругвай является частью Digital Nations, где среди десяти других стран мира (таких как Израиль, Корея, Новая Зеландия и Англия) он лидирует в изменении государственного управления за счет внедрения цифровых технологий. В стремлении улучшить обслуживание граждан ключевое значение..
Сегментация спутниковых снимков с помощью сверточных нейронных сетей
Можем ли мы использовать глубокое обучение, чтобы понять, что такое лес, здание или река из космоса? Недавно у меня была возможность поработать над проектом компьютерного зрения с использованием сверточных нейронных сетей для определения различных типов земного покрова на спутниковом изображении. Во время моего исследования прошлые материалы с открытым исходным кодом от сообщества машинного обучения были чрезвычайно полезны для ответов на вопросы и устранения общих неполадок. Я..
В поисках глубины, часть 2
В поисках глубины, часть II — определение глубины на открытом воздухе Пока в Санта-Кларе проходит выставка Augmented World Expo, я решил объяснить еще одну проблему, связанную с глубиной, которую решает одна из наших портфельных компаний, а именно, как обеспечить восприятие, понимание и расширение внешнего мира. Для этого нам нужно включить определение глубины и распознавание сцен через мобильные устройства. Как вы можете себе представить, определение глубины на открытом воздухе сопряжено..
Отслеживание солнечных ферм с помощью спутников на площади 2,7 млн ​​квадратных километров.
Отрасль возобновляемых источников энергии во всем мире пережила значительный рост, что объясняется падением стоимости ее генерации за последнее десятилетие. По данным Международного агентства по возобновляемым источникам энергии (IRENA), переход к использованию чистой энергии может соответствовать 90% целей Парижского соглашения по сокращению выбросов в этой отрасли. Аргентина обладает большим потенциалом солнечной и ветровой энергии для выработки энергии из этих источников, что позволит..
Загрузка спутниковых изображений Landsat с помощью Python
Упростите загрузку сцен Landsat с помощью пакета Python landsatxplore Спутники Landsat являются одними из наиболее часто используемых источников данных наблюдения Земли. Они предоставляют высококачественные изображения поверхности планеты уже более четырех десятилетий. Однако ручная загрузка этих изображений может быть утомительной! К счастью, с пакетом landsatxplore вы можете легко загружать и обрабатывать сцены Landsat с помощью нескольких строк кода. Мы изучим пакет..