Nienadzorowane wydobywanie wiedzy o charakterystycznych punktach orientacyjnych z obrazów Ziemi z użyciem odstających głębokich cech dla odpornej geolokalizacji UAV
Machine Learning and Knowledge Extraction, t. 7, nr 3, art. 81
Streszczenie redakcyjne
Wstępnie wytrenowana sieć segmentacji koduje budynki ze zdjęć lotniczych, a Isolation Forest wybiera wizualnie wyróżniające się obiekty jako punkty orientacyjne. Metoda nie wymaga dodatkowego treningu sieci. Eksperymenty wyszukiwania na VPAIR sprawdzają, czy takie punkty łatwiej dopasować na potrzeby nawigacji bez GPS.
Opis bibliograficzny
Format cytowania wymagany przez czasopismo lub organizację sprawdź w rekordzie wydawcy.
Zakhar Ostrovskyi, Oleksander Barmak, Pavlo Radiuk, Iurii Krak. "Unsupervised Knowledge Extraction of Distinctive Landmarks from Earth Imagery Using Deep Feature Outliers for Robust UAV Geo-Localization". Machine Learning and Knowledge Extraction, Vol. 7, No. 3, Article 81, 2025. https://doi.org/10.3390/make7030081
Sprawdź metodę w swoim zastosowaniu.
Opisz decyzję, którą ma wspierać Twój system, oraz dostępne dane. Ocenimy przydatność metody, określimy zakres prototypu i uzgodnimy sposób pomiaru jakości, czasu odpowiedzi oraz kosztu działania.