Artigos mais recentes para Sensoriamento Remoto

Pesquisadores usam aprendizado de máquina pra melhorar a detecção de ondas solitárias internas nos dados do oceano.

Um olhar sobre métodos para melhorar a qualidade de imagem afetada pela neblina.

Um novo framework melhora a precisão da análise de imagens hiperespectrais.

O framework X-Fake melhora a qualidade das imagens SAR simuladas pra deixar os aplicativos de deep learning melhores.

Novas técnicas melhoram a estimativa de profundidade em condições desafiadoras usando LiDAR de fóton único.

Pesquisadores desenvolvem novos métodos pra melhorar a precisão dos modelos, mesmo sem dados de sensores.

Uma abordagem inovadora para melhorar a qualidade das imagens na transmissão de dados de satélite.

Um novo modelo melhora as previsões do tempo usando dados de satélite e aprendizado de máquina.

MorpMamba melhora a eficiência e a precisão da imagem hiperespectral com uma integração de modelo inovadora.

Novo modelo melhora o monitoramento da Terra através de dados integrados de satélites e clima.

Descubra como o LiDAR e as imagens aéreas medem alturas de objetos de forma eficaz.

MHSSMamba melhora a precisão no processamento e classificação de imagens hiperespectrais.

Apresentando A-DLISTA e VLISTA para processamento de sinal avançado.

O HAMSTER oferece detalhes sobre como as superfícies refletem a luz do sol em diferentes comprimentos de onda.

Novo método melhora a classificação do uso da terra em imagens de satélite.

Novos métodos melhoram a detecção de anomalias em diferentes ambientes usando imagem hiperespectral.

Uma abordagem de aprendizado de máquina pra estimar a altura das copas das árvores de forma eficiente.

A missão do CubeSat tem como objetivo capturar nuvens de cinzas vulcânicas para um monitoramento melhor.

A junção de mapas de sensoriamento remoto com dados de verdade de campo melhora a precisão nas avaliações ambientais.

Este artigo detalha um plano para a integração de IA na tecnologia de satélites.

U-KAN melhora a segmentação de campos agrícolas usando técnicas avançadas de deep learning.

Um novo conjunto de dados melhora as aplicações de machine learning em imagens hiperespectrais.

O HAPNet combina dados hiperespectrais e de SAR pra classificar a cobertura do solo de forma mais precisa.

Esse novo conjunto de dados acompanha as mudanças no tamanho dos lagos a cada dois anos no mundo todo.

O MSFMamba melhora a precisão da classificação ao combinar dados hiperespectrais, LiDAR e SAR.

A IA melhora a detecção e o acompanhamento das dunas barchanas que interagem na Terra e em Marte.

Este estudo analisa como os dados de ondas de superfície refletem o comportamento e os vieses das correntes de água.

A RSTeller oferece mais de 2,5 milhões de pares de imagem e texto para pesquisa em sensoriamento remoto.

gWaveNet melhora a detecção de ondas gravitacionais usando imagens de satélite ruidosas.

Esse estudo usa dados de satélite pra prever a qualidade da água nas águas costeiras de Hong Kong.

Melhorando a captura de imagem pra monitoramento e coleta de dados mais eficaz.

Pesquisas exploram a importância e o impacto dos montes de terra nos ecossistemas.

Um estudo sobre detecção de plantas usando técnicas inovadoras de análise de imagem.

Estudo avalia a criação e a análise de imagens de satélite sintéticas.

Uma nova estrutura aumenta a eficiência do sensoriamento remoto usando técnicas inspiradas no cérebro.

Um novo método melhora a resolução de imagens hiperespectrais usando modelos RGB pré-treinados.

Um método automatiza a geração de pares de imagem e texto para conjuntos de dados de sensoriamento remoto.

Novos métodos rastreiam características solares dinâmicas que impactam os campos magnéticos.

Nova arquitetura de aprendizado de máquina melhora a análise de imagens hiperespectrais e a classificação de materiais.

Novo método aprimora a detecção de objetos usando modelagem de imagem mascarada interativa.