L3Harris legnépszerűbb tartalmai 2022-ből

Közeledik az év vége, ezért L3Harris készített egy összefoglalót a 2022-es év legnépszerűbb tartalmairól.

A legnépszerűbb webinar kategórában a Making SAR Accessible with ENVI® SARscape előadás nyert, míg a legtöbbet megnézett tréning a Introduction to Hyperspectral Analysis lett. Utóbbi megnézéséhez regisztrált felhasználói fiók szükséges.

A rövidebb webinarok és képzések mellett a gyakorlatiasabb és könnyedebb tartalmakat is rangsorolták. Legtöbbet olvasott blog bejegyzés az ausztrál árvizek kiterjedésének vizsgálatáról szól SAR adatok alapján, míg a legnépszerűbb esettanulmány a Jagwire előnyeit mutatja be az Egyesült Államok erdőtüzeinek kezelésében. A Jagwire képes Full Motion Video (FMV) feldolgozásra és elemzésre.

eCognition 10.3

December elején kijött a Trimble eCognition új verziója, a 10.3.  Az új releaseben két nagyobb fejlesztés kapott helyet. Az első a Python integráció, a másik a Segmentation Preview tool, mely engedi az on the fly beállítás ellenőrzést, és gyorsabbá teszi a paraméterezést.

Az új verzió újdonságairól a rögzített webinar elérhető itt. A megnézéshez csak egy rövid regisztrációra van szükség

Az eCognition Version 10.3 letölthető innen.

ENVI 5.6.3 és IDL 8.8.3 újdonságai -webinar

November 9-én, három alkalommal (különböző időzónákra optimalizálva) Zach Normann Product Manages és JP Metcalf Solutions Engineer bemutatják a ENVI 5.6.3 és IDL 8.8.3 újdonságait:

  • automatizált folyamatok nem programozók számára;
  • időbeliség kezelése (temporal cubes) és automatizált idősor készítés;
  • optimalizált workflow a machine learning feladatokhoz;
  • IDL-rutinok a titkosításhoz és kódfordításhoz.

A webinar egy Q&A résszel zárul.
A regisztrációval rendelkezők megkapják a webinar felvételét, így azoknak is érdemes jelentkezni akiknek az időpont nem megfelelő.

Részletek és regisztráció

Video a webinarról

Mesterséges intelligencia a földmegfigyelésben – ajánló

Az elmúlt években a gépi tanulás szerepe a földmegfigyelésre irányuló távérzékelési adatok feldolgozásában egyre növekszik. A gépi tanulás, a földmegfigyelés és a távérzékelés önálló tudományterületek, a saját kutatói közösséggel, és irodalommal.
Freddie Kalaitzis, Maral Bayaraa és Christian Rossi az Oxford Egyetem munkatársai egy kiadványon belül próbálják körbejárni az új irányvonal hátterét, és az alábbi kérdéseket vetették fel State of AI for Earth Observation című munkájukban: „Milyen kérdések megoldásában segíthet a földmegfigyelés az emberiségnek?”; „Hogyan segíthet ebben a mesterséges intelligencia; hová tart; és hova kéne tartania?” Munkájukban ezután az alap távérzékelési szenzorok bemutatása és mesterséges intelligenciához szükséges adatelőkészítés körbejárása után foglalkoznak a Deep Learning alapgondolataival és foglalják össze a kutatási trendeket. Azaz a kiadvány megértéséhez egyik területen sem szükséges haladó szinten érteni.

Forrás
State of AI for Earth Observation