详细内容或原文请订阅后点击阅览
为气象学家服务的神经网络
为了监测天气和气候，有一个地面站网络定期测量大气和地球表面的参数。然而，例如西伯利亚和远东地区的此类监测站网络规模较小且分布不均，收集和汇总数据以进行进一步分析需要花费大量时间。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）为了监测天气和气候，有一个地面站网络定期测量大气和地球表面的参数。然而，例如西伯利亚和远东地区的此类监测站网络规模较小且分布不均，收集和汇总数据以进行进一步分析需要花费大量时间。
这时，卫星就派上用场了，借助卫星，您可以以不同的频率拍摄几乎任何地区的照片。
从太空拍摄地球时必须面对的主要问题是云。更大的挑战是在云层下拍摄雪地，因为雪和云看起来非常相似。尽管通过比较可见光和红外范围的图像可以部分解决这个问题，但有效分离云和雪的问题仍然悬而未决。
为了对卫星图像中的对象进行分类，可以使用各种算法对每个像素执行光谱分析。根据接收到的值，这些算法决定它属于哪一类：可以是雪、水面、云等。然而，不可能创建一种可以有效分类雪和云的通用算法。其原因在于划分的标准很大程度上取决于地域并受季节性影响，这会导致分类出现重大错误。因此，您必须为每个地区单独配置算法并在季节之间切换，或者寻找其他解决方案......
新方法的主要思想是利用计算机视觉和深度机器学习领域的最新技术——卷积神经网络（CNN）。如今，CNN 在图像识别甚至生成新的真实感图像方面取得了令人印象深刻的成果。