Публикации по теме 'earth-observation'


Обучение детектора объектов на спутниковых снимках с помощью POINTOUT (II) — Обучение.
В I части этого поста мы узнали, как загрузить и обработать набор данных из POINTOUT . Теперь мы увидим, как реализовать и обучить сеть обнаружения объектов SSD с нашими данными. Если вы хотите узнать больше о POINTOUT, ознакомьтесь с нашим предыдущим постом . Вы можете следить за этим постом с блокнотами Jupyter в этом репозитории. Загрузка данных Во-первых, мы должны загрузить данные, сгенерированные в части I . Мы создали несколько файлов csv , содержащих имена..
Ознакомьтесь с мировыми победителями хакатона по наблюдению за Землей
С 23 по 29 июня НАСА (Национальное управление по аэронавтике и исследованию космического пространства), ЕКА (Европейское космическое агентство) и ДЖАКСА (Японское агентство аэрокосмических исследований). ) провел полностью виртуальный глобальный хакатон по панели мониторинга Земли. Более 4300 участников из 132 стран и территорий взаимодействовали с экспертами из НАСА, ЕКА и ДЖАКСА и работали над решением десяти задач по улучшению возможностей Панель наблюдения за Землей в связи с..
Руководство по сбору и обмену наземными справочными данными для приложений машинного обучения
Пять критериев подготовки наземных опорных данных для моделей машинного обучения наблюдения за Землей Автор Йона Бромберг Габер , специалист по геопространственным данным, Radiant Earth Foundation Приложения машинного обучения (ML) для наблюдения Земли (EO) могут использовать имеющиеся в настоящее время данные, которые собираются с помощью опросов для эмпирических исследований с целью изучения прикладных наук или проведения социально-экономического анализа. Однако высока..
Геопространственные размышления: небольшое вступление
Итак, мой первый пост о том, что может быть много или что может сойти на нет! Итак, с чего мне начать… Я проработал в геопространственном мире в ГИС и дистанционном зондировании почти 5 лет, недавно начав новую должность, которая предполагает более глубокое изучение науки о данных и глубокого обучения. У меня всегда была страсть ко всему, что связано с географией, и только недавно я познакомился со всеми техническими инструментами, связанными с пространственным анализом. Первые два..
Хамед Алемохаммад: Решение глобальных проблем с помощью более быстрых, эффективных и…
Разговор о демократизации обучающих данных ЭО и моделей машинного обучения для предоставления приложений, которые могут позволить глобальному сообществу разработчиков достичь Целей устойчивого развития. Мы рады представить доктора Хамеда Алемохаммада, главного специалиста по обработке и анализу данных фонда Radiant Earth. Доктор Алемохаммад является техническим руководителем и исследователем с обширным опытом и знаниями в области методов дистанционного зондирования и визуализации, а также..
Лучшие наборы инструментов для науки о данных наблюдений за Землей
Платформы, инструменты и пакеты для специалистов по геопространственным данным / данным наблюдений за Землей Данные спутниковых наблюдений за Землей быстро увеличиваются благодаря технологическому развитию платформ дистанционного зондирования и прорывам в сборе и хранении данных. Сегодня у нас на орбите находится более 768 спутников наблюдения Земли, по сравнению со 150 в 2018 году. Как специалист по геопространственным данным или данным по наблюдениям Земли, у вас есть широкий выбор..
Легкий спутниковый API
OrbitalViews (https://orbital-views.appspot.com/ ) позволяет разработчикам и исследователям использовать спутниковые данные без хлопот, связанных с проектированием, созданием и обслуживанием пользовательского стека технологий. Мы разработали полный набор технологий, который включает в себя машинное обучение, обнаружение облаков, различные индексы, географическую привязку, коррекцию атмосферы и простой API, к которому могут обращаться различные языки программирования, такие как Python или R...