Jednym z głównych źródeł zanieczyszczenia powietrza w polskich miastach są piece ogrzewane paliwem stałym. Technologia uczenia maszynowego może przyczynić się do poprawy efektywności identyfikacji obiektów wyposażonych w tego typu instalację. Jak osiągnąć pożądane efekty i komu może to pomóc?

Zagadnienia klasyfikacji i detekcji obiektów oraz form pokrycia terenu z wykorzystaniem danych teledetekcyjnych są poruszane w literaturze niezwykle często. Rozwój technologii oraz wzrost możliwości mocy obliczeniowej przyczyniły się do powstawania coraz nowszych rozwiązań, umożliwiających wykorzystanie większych ilości danych.

Właśnie opublikowaliśmy raport opisujący nasze doświadczenia z wykorzystywaniem uczenia głębokiego w praktyce. Pobierz darmową publikację i zacznij korzystać z możliwości, które dają najnowsze osiągnięcia z dziedziny uczenia maszynowego.

Rozwój metod klasyfikacyjnych, skutkuje zastąpieniem popularnych dotychczas metod przez nowsze i wydajniejsze algorytmy np. popularny model Random Forest zostaje zastąpiony przez sieci neuronowe. Pomimo tego, że te metody dają mnóstwo nowych możliwości, wyznaczają również szereg nowych wyzwań dla technologów.

„InsSAT – Satellites in Insurance” tak właśnie brzmi nazwa naszego pierwszego projektu, wspieranego przez ESA, który realizujemy wspólnie z Centrum Teledetekcji Instytutu Geodezji i Kartografii. Oficjalne rozpoczęcie projektu miało miejsce na spotkaniu Kick-off, które odbyło się 12.06.2019 w siedzibie ESA (Europejska Agencja Kosmiczna) w Harwell.