#26 SpaceNet 6 Challenge Results: Multi-Sensor All-Weather Mapping

Training_Data

Вміст надано CosmiQ Works. Весь вміст подкастів, включаючи епізоди, графіку та описи подкастів, завантажується та надається безпосередньо компанією CosmiQ Works або його партнером по платформі подкастів. Якщо ви вважаєте, що хтось використовує ваш захищений авторським правом твір без вашого дозволу, ви можете виконати процедуру, описану тут https://uk.player.fm/legal.

4+ y ago 38:43

MP3•Головна епізоду

SpaceNet is a non-profit dedicated to accelerating open source, applied research in geospatial machine learning. In this episode, CosmiQ’s Ryan Lewis, Jake Shermeyer, and Daniel Hogan discuss the SpaceNet 6 Challenge where participants were asked to automatically extract building footprints with computer vision and AI algorithms using a combination of synthetic aperture radar (SAR) and electro-optical imagery. Hear about the challenge’s winning artificial intelligence models and the tradeoff between inference speed and model performance.

SpaceNet is made possible by co-founder and managing partner, CosmiQ Works; co-founder and co-chair, Maxar Technologies; and all the other Partners: Amazon Web Services (AWS), Capella Space, Topcoder, IEEE Geoscience and Remote Sensing (GRSS), the National Geospatial-Intelligence Agency, and Planet.

Learn more at www.spacenet.ai, and at the DownLinQ (https://medium.com/the-downlinq)

30 епізодів

#Open Source #CosmiQ Works #Arts