AIGC動態(tài)歡迎閱讀

原標(biāo)題：基于 2,500 平方公里實景數(shù)據(jù)，北師大團隊提出 StarFusion 模型，實現(xiàn)高空間分辨率圖像預(yù)測
關(guān)鍵字：圖像,遙感,模型,華為,解讀
文章來源：HyperAI超神經(jīng)
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

作者：田小幺
編輯：李姝，李寶珠
北京師范大學(xué)陳晉團隊提出了一種雙流時空解耦融合架構(gòu)模型 StarFusion，該模型將傳統(tǒng)的 STF 方法與深度學(xué)習(xí)結(jié)合，能夠克服大多數(shù)現(xiàn)有深度學(xué)習(xí)算法需要 HSR 時間序列圖像進行訓(xùn)練的問題，充分實現(xiàn)高空間分辨率圖像的預(yù)測。在科技浪潮是推動下，傳統(tǒng)農(nóng)業(yè)正經(jīng)歷一場智能化變革。作為現(xiàn)代農(nóng)業(yè)的「千里眼」，農(nóng)業(yè)遙感通過收集衛(wèi)星和無人機等平臺的遙感數(shù)據(jù)，被廣泛應(yīng)用于監(jiān)測作物生長狀況、土地利用與覆蓋變化、病蟲害情況、水資源管理和農(nóng)業(yè)環(huán)境的演變等多個方面。農(nóng)業(yè)遙感能夠為決策者提供實時、深入的洞察力，確保了信息的精確性和決策的前瞻性。
然而，遙感數(shù)據(jù)在農(nóng)業(yè)中應(yīng)用通常需要高空間分辨率 (HSR) 和頻繁的觀測。受限于光學(xué)衛(wèi)星影像的重訪周期和云層污染等因素，衛(wèi)星監(jiān)測作物生長的能力經(jīng)常會受到嚴(yán)重的影響。
為了獲得高時空分辨率的合成圖像，人們開發(fā)了許多時空融合方法，但現(xiàn)有方法在模型開發(fā)和驗證方面主要集中在融合中低空間分辨率衛(wèi)星數(shù)據(jù)，當(dāng)涉及到融合中等和高空間分辨率圖像時，其適用性仍然面臨各種挑戰(zhàn)。
為了解決這些問題，北京師范大學(xué)地表過程與資源生態(tài)國家重點實驗室陳晉團隊，提出了

原文鏈接：基于 2,500 平方公里實景數(shù)據(jù)，北師大團隊提出 StarFusion 模型，實現(xiàn)高空間分辨率圖像預(yù)測

聯(lián)系作者

文章來源：HyperAI超神經(jīng)
作者微信：
作者簡介：