研究人员开发航空和卫星图像提取的性能技术

DGIST和DabeeoInc.的研究团队表示，开发出世界上性能最高的神经网络模块，用于从航空和卫星图像中准确提取物体，预计将在各个领域得到广泛应用。

近年来，随着深度学习技术(人工智能(AI)的一个分支)的进步，在航空和卫星图像分析中的应用变得越来越普遍。然而，对特定对象进行优化的现有模型在识别其他对象方面存在局限性。此外，这些模型往往无法反映物体的形态特征，从而导致结果不准确。

为了解决这些问题，JaeyounHwang教授的研究团队开发了“DG-Net”，这是一种神经网络，可以提供比现有模型更准确的结果，并且适用于广泛的领域。DG-Net是一种创新的人工神经网络，采用测试时自适应学习方法，对输入图像进行优化，以识别对象密度并执行详细分割。

DG-Net在航空和卫星图像中的各种对象分割任务中表现出了卓越的性能，特别是在地理空间对象分割方面实现了卓越的准确性，与现有模型相比，标志着最高的性能。

研究团队开发的创新人工智能神经网络不仅有望提高地理空间对象分割的准确性，而且可应用于环境监测、城市规划、农业和灾害管理等各个应用领域。预计将成为遥感领域利用航空或卫星图像进行对象分割的创新解决方案进行对象分割的创新解决方案。

DGIST电气与计算机工程系的Hwang教授表示：“通过这项研究开发的神经网络是一种能够从航空和卫星图像中高精度提取目标物体的新型神经网络。相关技术的进一步进步可以看到它应用于许多领域。”领域，例如自动驾驶汽车、国防和医学成像，从而对人工智能领域产生积极影响。”