Deep learning vanuit de lucht – #ISD

Deep learning vanuit de lucht - #ISD

Sobolt is aanwezig op de Industry Space Days op 11 & 12 september

Het bekijken van de hele wereld is nog maar het begin van begrijpen van alles wat we zien. Om relevante informatie te achterhalen moeten bergen data geanalyseerd worden; een ontmoedigende klus in veel werkvelden, zelfs als we weten waar en wanneer we moeten kijken. Kunstmatige intelligentie kan deze taak verlichten door het werk uit handen te nemen. Als je een computer kan vertellen wat je wil zien van boven, wat zou dat dan zijn?

Automatiseren van beeldinterpretatie

Sobolt wijdt zich aan het automatiseren van grootschalige remote sensing analyse. We gebruiken de modernste deep learning methode voor monitoren, in kaart brengen en dataverrijking. Onze deep learning werkwijze maakt het mogelijk met krachtige, doch flexibele modellen relevante informatie uit remote sensing data te extraheren.

De grote hoeveelheid data in remote sensing maakt het zeer geschikt voor unsupervised deep learning.

Onze deep learning toepassingen zijn niet gescheiden, maar behalen winst uit de wisselwerking tussen de verschillende modellen. Zelf-lerende systemen gebruiken grote hoeveelheden beschikbare remote sensing data om waardevolle data representaties te kunnen leveren. Deze representaties zijn de sleutel tot het oplossen van problemen in computer vision en kunnen in verschillende andere domeinen toegepast worden.

Super resolutie

Verbeter de ruimtelijke resolutie om beelden te verscherpen, tot 4X de oorspronkelijke resolutie. Deep learning garandeert dat onverwerkte data er natuurlijker uitziet dan het geval is bij alternatieve methoden. Verwerkte data met een grondresolutie van 10 cm is significant waardevoller dan dan de tegenhanger van 30 cm.

Lower resolution satellite image before upsampling

Onbewerkte'super resolutie' beelden gebruikt door deep learning model

Object detectie

Met het gebruik van hogere resolutie beelden, wordt objectdetectie mogelijk. Deep learning is hier perfect voor geschikt, omdat het abstracte vormen, zoals auto’s, boten, vliegtuigen en gebouwen kan herkennen. Nog veel meer verschillende objecten kunnen aangeleerd worden om te herkennen..

Diepe verandering detectie

Niet alle verandering zijn gemakkelijk te herkennen met remote sensing data. Laat staan bepalen welke relevanter zijn dan andere, dit verschilt ook nog eens per gebruiker. Diepe verandering detectie detectie leert niet alleen een abstracte representatie of veranderingen, maar kan veranderingen ook classificeren op relevantie en andere zaken die van toepassing zijn.


Neem contact op

Als je op zoek bent naar het automatiseren van je monitoring of mapping vaardigheden, het verbeteren van je remote sensing en ruimtelijke data, of een nieuwe samenwerking wil starten, staan wij altijd open voor een gesprek.

Click here to get in touch or look us up at ISD 2018!

 

Comments are closed.