бред стаер, Ети, Эрих фон Дэникен, дневник Джона Тайтера я воин из 2036, секс, джон тайтор, За колодец, Люди в черном, атлантологии, AAAAAAAA, rdot_team phpinfo, НЛО Возвращение на Землю, предсказания, по следам тайны, аоум, форум платформа В С Гребенникова, Чернобров, карта, цепочка из 34 ярких объекто, Платфорьа И С Гребенникова, уфология.
Создание геологических карт поверхности планет – от сбора и анализа данных до публикации в различных форматах – это трудоёмкий многоступенчатый процесс.
Методы глубокого обучения, которые используют искусственные нейронные сети для анализа наборов данных, могут значительно улучшить производственный процесс. Это широко показано как в научной литературе, так и в приложениях. Однако до сих пор не были доступны готовые к использованию наборы инструментов с открытым исходным кодом и высокой степенью настройки для картографирования планет.
«Мы были заинтересованы в разработке простого, готового инструмента, который может быть настроен и использоваться многими», – сказал Джакомо Ноджуми, профессор Калифорнийского университета.
Программа находится в открытом доступе и доступна для дальнейшей оптимизации, а также демонстрирует недорогой, быстрый и простой подход к картографированию планет в космическом пространстве.
Учёные продемонстрировали результаты, которых можно достичь, с определённой формой рельефа на Марсе, напоминающей лавовые трубы на Земле. Геологические карты являются важным инструментом в исследовании планет, поскольку они также служат основой для возможных исследований роботами или людьми.
Статья DeepLandforms: A Deep Learning Computer Vision toolset applied to a prime use case for mapping planetary skylights опубликована в журнале Earth and Space Science.
0 
