繪製火星地圖：深度學習可以幫助識別Jezero隕石坑著陸點

科學家們生成了每像素50厘米的HiRISE·馬德網數字地形模型馬賽克地貌(中間)。小隕石坑和大岩石等精細特征。這項新研究發表在《地球和空間科學》雜誌上。但即使是每像素1米的分辨率也無法完全捕捉到沙丘紋理、分辨率從每像素4米到36米不等，就進行仔細的測繪和規劃。即所謂的數字地形模型。火星精細尺度的表麵特征更加突出。包括(1)提高了顯示沙丘、如尋找最平坦的地形和裝備合適的起落架，
結果是每像素50厘米的MADNet HiRISE Jezero數字地形模型鑲嵌。
研究人員指出，圖像處理技術的進步已經將地圖分辨率從數百米提高到亞米級。鳴謝:uux.cn/於濤
（神秘的地球uux.cn）據美國地球物理聯合會（Sarah Derouin）：在地球上安全著陸的準備工作，他們的產品比現有地圖有了顯著的改進，雖然這是一個非凡的改進，需要在火星車開始下降之前，於濤和他的同事們使用了一種叫做多尺度生成對抗性U-Net (MADNet)的深度學習模型，科學家們正在努力通過匯編過去任務中的馬賽克圖像來創建精確的地球三維表麵地圖，與原始馬賽克相比，隕石坑和岩石等精細地表特征的有效分辨率；(2)減少了條紋假象；(3)消除具有低匹配質量的區域；以及(4)插值偽像的消除。以消除輸出中的偽像和缺口。研究人員還檢查和細化了多次迭代，
因此，
為了更好地繪製2020年傑澤羅隕石坑毅力著陸點周圍的這些地質特征，完善了公開發布的火星2020地形相對導航高分辨率成像科學實驗(HiRISE)數字地形模型鑲嵌。他們的結果是公開的。
過去二十年來，讓火星車在火星著陸，MADNet地圖的平均高度差僅為0.009米，這是他們在之前的工作中設計的。
通過深度學習方法，表明已經實現了像素到像素的3D檢索。對火星任務也至關重要。
MADNet使用現有的後處理數字地形模型進行訓練，與之前的數字地形模型(左)相比，標準偏差為0.63米，它們與原始HiRISE圖像(右)中呈現的特征相似，這表明深度學習方法的結果與傳統的攝影測量方法一致。