利用机器学习观测地形

2019年10月07日由 KING 发表 946408 0

在茂密的植被，陡峭和崎岖的地形中识别地质特征几乎是不可能的。雷达设备可以帮助研究人员看到植被覆盖下的地形，但是人眼经常会出错。现在，一组科学家利用机器学习来识别隐藏的地质特征。例如，科学家正在利用机器学习识别以前无法识别的洞穴入口，这些入口很难在雷达图像中看到，也很难在地面上进入。

德克萨斯大学奥斯汀分校的博士生莱拉·唐恩（Leila Donn）在菲尼克斯举行的美国地质学会年度会议上介绍她的研究成果。

她介绍说：“我的研究受到难以到达的热带茂密森林的启发。我觉得有必要在我们的热带森林地区覆盖激光雷达。雷达图像已经显示出许多地质图像，但是我们也知道它们可以显示出许多与地质特征无关的东西以及许多人与环境相互作用的痕迹”。为了测试机器学习是否可以帮助他们缩小搜索范围，唐恩和她的同伴将注意力集中在伯利兹西北部一个植被茂密且难以进入的地区。她们集中精力在森林深处寻找尚未发现的洞穴入口。

唐恩使用从类似地点绘制的洞穴采集的雷达图像，绘制了已知洞穴入口的位置以及非洞穴点的位置。然后，她收集了有关地形的信息，包括坡度，地形粗糙度和到河流的距离。唐恩说，这些信息被编译成电子表格并输送到机器学习中，从而教计算机如何预测什么是洞穴，什么不是洞穴。

她的机器学习还可以发现更小的洞。其中一个是一个小洞穴，入口可能长一米半，深只有30英尺。这在激光雷达上是看不见的。唐恩说，她的程序可用于地质研究，例如发现和研究未发现的洞穴。但是她也看到了其他学科的应用，例如考古学，森林管理，城市发展和土地管理。我认为这将在学术界之外有一个未来。”

唐恩的老师说道：“莱拉正在做的事情是将地球科学的历史与未来联系起来。这样的项目源于我们进入大多数人无法进入的地方，而且还具有使机器也能学习如何做的创造性角度。”

标签：

行业机器学习

0 评论

欢迎关注ATYUN官方公众号

商务合作及内容投稿请联系邮箱:bd@atyun.com

上一篇机器学习为量子设备打开了新的可能性

下一篇亚马逊新推出了一系列智能产品

评论登录

要发表评论，您必须先登录。

jonatasgrosman/wav2vec2-large-xlsr-53-english facebook/dino-vitb16 bert-base-uncased xlm-roberta-large xlm-roberta-base gpt2 microsoft/resnet-50 facebook/dino-vits8

最好的基于Transformer的LLM（上）