hyperspectral image
PulseAugur coverage of hyperspectral image — every cluster mentioning hyperspectral image across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
量子增强Mamba-CNN在作物分析中达到84.83%的准确率
研究人员开发了一种使用高光谱图像进行作物田分析的新颖框架，结合了多尺度卷积神经网络（CNN）和双向Mamba模块。该方法通过融合不同分辨率的信息和对光谱数据中的长距离依赖进行建模，增强了空间-光谱特征学习。该框架还融入了光谱注意力机制和量子启发式学习，以提高准确性并解决类别不平衡和标记样本有限等挑战。在UAVHSI-Crop数据集上的实验表明，该方法达到了84.83%的总体准确率，展示了其在各种遥感应用中的潜力。
-
新的物理引导神经网络算子可探测卫星甲烷排放
研究人员开发了FLAME，这是一种新颖的物理引导神经网络算子，用于从卫星高光谱图像中探测甲烷排放。该方法将甲烷吸收的物理原理直接集成到神经网络架构中，从而能够高效地在卫星硬件上进行机载处理。与现有的神经网络基线相比，FLAME在探测精度上表现更优，并显著减少了误报，同时参数效率也更高。
-
新的基础模型将高光谱图像与其他地球观测数据融合
研究人员开发了SpectralEarth-FM，一个旨在处理和融合高光谱图像与其他地球观测数据（如多光谱、雷达和温度读数）的新基础模型。该模型采用分层Transformer架构，能够处理不同的光谱维度，并集成了一个跨传感器融合模块。为了训练SpectralEarth-FM，我们精心策划了一个名为SpectralEarth-MM的大型数据集，其中包含来自多个卫星传感器的40TB以上的共定位数据，从而在下游任务上取得了最先进的成果。