比分直播 在翻译中找到

足球比赛结果研究人员改进遥感图像处理 援助救灾的框架。

目前有近 2,000 颗工作卫星绕地球运行，其中约三分之一 致力于观察和成像我们的星球。遥感的庞大数量 每天收集并传输到地球表面的图像令人震惊。

科学和工业到底是如何理解这一切的？输入 GEOBIA — 地理 基于对象的图像分析——机器学习计算机的处理框架 将图像数据自动处理成地图的算法可用于识别 地震后城市地区受损。

GEOBIA 方法的完善吸引了地球科学家、数据科学家、地理科学家的参与 信息系统 (GIS) 专业人员和其他人员数十年。其中 是足球比赛结果的博士生 James Bialas 和他的导师，托马斯·奥曼和蒂莫西·哈文斯。跨学科团队的成功研究提高了速度和准确性 GEOBIA 的分类阶段是本文的主题“”最近发表在国际应用地球观测和地理信息杂志.

团队的研究始于 2011 年基督城地震的航空图像， 新西兰。

“我们研究的具体问题是，我们如何翻译我们获得的信息 为基于对象的图像分析提供一致的标签？”比亚拉斯说道。 

自 20 世纪 90 年代开始使用，GEOBIA 是一种基于对象（而不是基于像素）的机器学习 方法可以更准确地对遥感图像进行分类。的 方法的算法将共享相似的用户定义特征的相邻像素分组， 例如颜色或形状，这个过程称为分割。这和我们的类似 当我们观看大图像时，眼睛（和大脑）会理解我们所看到的内容 或场景。

反过来，这些分段的像素组会通过其他算法进行研究 例如，确定像素组是否是损坏的建筑物或未损坏的建筑物 路面延伸，这个过程称为分类。

“这项研究的重大发现是，完全独立于标记数据 我们使用的集合，我们的分类结果在不同图像上保持一致 细分级别，”比亚拉斯说。 “而且更重要的是，在相当大的范围内 的分割值，对结果几乎没有影响。在过去的几个 几十年来，人们做了很多工作来试图找出这种最佳分割 到底要制作多大的图像对象。”

众包遥感图像的一个重要用途是为急救人员创建地图 和救灾组织。这种更快、更准确的 GEOBIA 处理方法 可以导致更及时的救灾。

“随着 GEOBIA 问题变得越来越严重，有些公司正在寻找 每天对整个地球进行成像——正在收集大量数据，” 比亚拉斯说道。 “可能没有足够的时间来计算最完美的分割 级别，您只需选择一个细分级别并希望它能起作用。”

足球比赛结果是一所 R1 公立研究型大学，成立于 1885 年，位于霍顿，拥有来自全球 60 多个国家的近 7,500 名学生。密歇根州旗舰科技大学的投资回报率一直名列全美最佳大学之列，提供超过 185 个本科和毕业生科学技术、工程、计算机、林业、商业、健康专业、人文、数学、社会科学和艺术领域的学位课程。乡村校园距离密歇根州上半岛的苏必利尔湖仅数英里，提供全年户外探险的机会。