Artigos mais recentes para Sensoriamento Remoto

Combinar aprendizado auto-supervisionado e aprendizado ativo melhora a classificação multi-label em sensoriamento remoto.

Esse método melhora o aprendizado a partir de imagens com rótulos imprecisos, aumentando as aplicações de sensoriamento remoto.

Explorando a formação e a importância dos jatos equatoriais no clima e no tempo.

O RemoteCLIP melhora a análise de imagens ao integrar dados de texto e visuais.

Os processos ETL ajudam a organizar e analisar dados de satélite para ter melhores ideias científicas.

Explorando novas maneiras de melhorar a classificação de imagens hiperespectrais.

Um novo conjunto de dados melhora as técnicas de compressão de imagens hiperespectrais para uma análise de dados mais eficaz.

Um novo conjunto de dados e modelo melhoram a análise de imagens de sensoriamento remoto.

Um novo método reduz os custos de rotulagem na recuperação de imagens baseada em conteúdo.

Um novo método melhora a estimativa de rugosidade em imagens SAR para uma análise melhor.

Este estudo melhora as técnicas de responder perguntas visuais pra uma análise melhor de imagens de sensoriamento remoto.

Pesquisas mostram que a precisão nas medições de aerossóis melhora com o uso de Random Forest e filtros de média.

Explorando o papel do SAM em melhorar a segmentação de imagens de sensoriamento remoto.

Este artigo examina os desafios na morfologia matemática para imagens com valores vetoriais.

ResUNetFormer melhora a extração de estradas de imagens aéreas, enfrentando desafios importantes.

Apresentando um novo modelo pra melhorar a precisão na análise de imagens hiperespectrais.

Um novo método de defesa enfrenta ataques adversariais na detecção de objetos em imagens de sensoriamento remoto.

Combinar dados de satélite ajuda a entender melhor os tipos de nuvem e seu impacto no clima.

o dataset ben-ge melhora a pesquisa em observação da Terra com diferentes tipos de dados.

Novos algoritmos melhoram a restauração de imagens hiperespectrais com dados faltando.

Um novo método melhora a análise de nuvens de pontos para a tecnologia LiDAR.

Essa pesquisa apresenta um modelo pra análise precisa de gelo marinho usando deep learning.

Usando dados de satélite e aprendizado de máquina pra monitorar a poluição marinha de forma eficaz.

A pesquisa usa IA pra criar imagens realistas de florestas pra melhorar as práticas agrícolas.

Pesquisa explora a eficácia do transfer learning em conjuntos de dados LiDAR para arqueologia.

Melhorando o PerceiverIO pra segmentar melhor imagens de sensoriamento remoto, focando em objetos pequenos.

Um novo método melhora a precisão dos dados de umidade do solo que são afetados por interferência de radiofrequência.

A pesquisa apresenta modelos eficientes pra prever a orientação de navios usando técnicas de deep learning.

Criando conjuntos de dados falsos pra melhorar estimativas em regiões pequenas.

HRFNet melhora a detecção de imagens de satélite manipuladas através da integração avançada de recursos.

Um novo método melhora a segmentação semântica em imagens de sensoriamento remoto.

Descobertas recentes mostram a complexidade por trás do comportamento e da variabilidade do vento solar lento.

ACDMSR melhora a qualidade da imagem e a velocidade em aplicações de super-resolução.

Esse estudo usa modelos de visão-linguagem pra melhorar a detecção de nuvens em imagens de satélite.

A pesquisa foca em automatizar a detecção de edifícios e medição de altura a partir de imagens de satélite.

Explorando como os dados de satélite melhoram o monitoramento da vegetação e das condições do solo.

Drones melhoram as avaliações de desastres e a entrega de ajuda para os responsáveis pelas emergências.

Uma nova estrutura melhora o monitoramento de inundações usando imagens de satélite.

BiGSeT melhora a detecção de itens incomuns em imagens hiperespectrais complexas.

Esse estudo melhora as previsões de LAI usando a integração de dados SAR e ópticos.