Últimos artículos para Sensores remotos

Los investigadores usan aprendizaje automático para mejorar la detección de olas internas solitarias en datos del océano.

Una mirada a los métodos para mejorar la calidad de imagen afectada por la neblina.

Un nuevo marco mejora la precisión del análisis de imágenes hiperespectrales.

El marco X-Fake mejora la calidad de las imágenes SAR simuladas para mejores aplicaciones de deep learning.

Nuevas técnicas mejoran la estimación de profundidad en condiciones difíciles usando LiDAR de un solo fotón.

Los investigadores desarrollan nuevos métodos para mejorar la precisión de los modelos a pesar de la falta de datos de sensores.

Un enfoque innovador para mejorar la calidad de imagen en la transmisión de datos satelitales.

Un nuevo modelo mejora las predicciones del tiempo usando datos de satélites y aprendizaje automático.

MorpMamba mejora la eficiencia y precisión de la imagenología hiperespectral a través de la integración de modelos innovadores.

Un nuevo modelo mejora la monitorización de la Tierra mediante datos integrados de satélites y del clima.

Descubre cómo LiDAR y las imágenes aéreas miden la altura de los objetos de manera efectiva.

MHSSMamba mejora la precisión en el procesamiento y clasificación de imágenes hiperspectrales.

Presentamos A-DLISTA y VLISTA para un procesamiento de señales avanzado.

HAMSTER ofrece información detallada sobre cómo las superficies reflejan la luz solar en diferentes longitudes de onda.

Un nuevo método mejora la clasificación del uso del suelo en imágenes satelitales.

Nuevos métodos mejoran la detección de anomalías en entornos diversos usando imágenes hiperespectrales.

Un enfoque de aprendizaje automático para estimar la altura de las copas de los árboles de manera eficiente.

La misión CubeSat busca capturar nubes de ceniza volcánica para una mejor monitorización.

Fusionar mapas de teledetección con datos de verdad terrestre mejora la precisión en las evaluaciones ambientales.

Este documento detalla un plan para la integración de IA en la tecnología de satélites.

U-KAN mejora la segmentación de campos de cultivos usando técnicas avanzadas de aprendizaje profundo.

Un nuevo conjunto de datos mejora las aplicaciones de aprendizaje automático en la imagen hiperespectral.

HAPNet combina datos hiperespectrales y SAR para mejorar la clasificación de la cobertura del suelo.

Este nuevo conjunto de datos sigue los cambios en el tamaño de los lagos cada dos años en todo el mundo.

MSFMamba mejora la precisión de clasificación al combinar datos hiperespectrales, LiDAR y SAR.

La IA mejora la detección y el seguimiento de los duna barchan interactivas en la Tierra y Marte.

Este estudio analiza cómo los datos de ondas superficiales reflejan el comportamiento y los sesgos de las corrientes de agua.

RSTeller ofrece más de 2.5 millones de pares de imagen-texto para la investigación en teledetección.

gWaveNet mejora la detección de ondas gravitacionales usando imágenes de satélite ruidosas.

Este estudio utiliza datos de satélite para predecir la calidad del agua en las aguas costeras de Hong Kong.

Mejorando la captura de imágenes para un mejor monitoreo y recolección de datos.

La investigación explora la importancia de los montículos de tierra y su impacto en los ecosistemas.

Un estudio sobre la detección de plantas usando técnicas innovadoras de análisis de imágenes.

El estudio evalúa la creación y evaluación de imágenes satelitales sintéticas.

Un nuevo marco mejora la eficiencia del monitoreo remoto usando técnicas inspiradas en el cerebro.

Un nuevo método mejora la resolución de imágenes hiperespectrales usando modelos RGB preentrenados.

Un método automatiza la generación de pares de imagen-texto para conjuntos de datos de teledetección.

Nuevos métodos siguen características solares dinámicas que afectan los campos magnéticos.

Nueva arquitectura de aprendizaje automático mejora el análisis de imágenes hiperespectrales y la clasificación de materiales.

Nuevo método mejora la detección de objetos usando modelado de imágenes enmascaradas de forma interactiva.