HyperAIHyperAI

Command Palette

Search for a command to run...

التعلم التمثيلي ضمن المجال لاستشعار عن بعد

Maxim Neumann Andre Susano Pinto Xiaohua Zhai Neil Houlsby

الملخص

بالنظر إلى الأهمية البالغة للاستشعار عن بعد، فإن المجتمع المعني بتعلم التمثيل قد أهمله إلى حد مفاجئ. وللتصدي لهذا الفجوة، ولوضع معايير مرجعية وبروتوكول تقييم موحد في هذا المجال، نقدّم وصولاً مبسطاً إلى 5 مجموعات بيانات متنوعة في مجال الاستشعار عن بعد، بتنسيق موحد. وبشكل خاص، نستكشف تعلم التمثيل داخل المجال بهدف تطوير تمثيلات عامة للاستشعار عن بعد، ونستكشف الخصائص التي تُعدّ مهمة لجعل مجموعة بيانات ما مصدرًا جيدًا لتعلم التمثيل في مجال الاستشعار عن بعد. وقد حققت المعايير المرجعية التي تم إنشاؤها أداءً من الدرجة الأولى (state-of-the-art) على هذه المجموعات البيانات.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp