محققان در تازهترین پژوهش خود، متد جدیدی برای «طبقهبندی تصاویر سنجش از دور» (Remote Sensing) معرفی کردهاند که چالش تشخیص همزمان چندین کلاس در یک تصویر را برطرف میکند.
در روشهای قبلی، استایلهای مختلف در تصاویر باعث میشد مدلها در شرایط عملیاتی دچار خطا شوند. حالا با استفاده از تکنیک جدید «Label-Decoupled Augmentation»، هوش مصنوعی میتواند به صورت هوشمند و تفکیکشده، ویژگیهای هر کلاس را بدون آلودگی با سایر بخشهای تصویر یاد بگیرد.
این پیشرفت علمی که روی مجموعهدادههای معروفی مثل UCM و AID تست شده، دقت مدلها را در شرایط محیطی مختلف به شکل قابل توجهی افزایش داده است؛ گامی مهم برای کاربردهای دقیقتر در کشاورزی هوشمند، مدیریت شهری و نظارتهای محیطزیستی. 🌍✨
منبع: arXiv Machine Learning