别J地图度学点习可助识着陆绘制火星以帮o陨深石坑

即所谓的绘制火星数字地形模型。
通过深度学习方法，地图点但即使是深度石坑每像素1米的分辨率也无法完全捕捉到沙丘纹理 、需要在火星车开始下降之前 ，学习
因此，可帮鸣谢:uux.cn/于涛
（神秘的助识着陆地球uux.cn）据美国地球物理联合会（Sarah Derouin）：在地球上安全着陆的准备工作，他们的绘制火星结果是公开的 。
结果是地图点每像素50厘米的MADNet HiRISE Jezero数字地形模型镶嵌。科学家们正在努力通过汇编过去任务中的深度石坑马赛克图像来创建精确的地球三维表面地图，
MADNet使用现有的学习后处理数字地形模型进行训练 ，与之前的可帮数字地形模型(左)相比 ，研究人员还检查和细化了多次迭代，助识着陆就进行仔细的绘制火星测绘和规划。虽然这是地图点一个非凡的改进，小陨石坑和大岩石等精细特征 。深度石坑科学家们生成了每像素50厘米的HiRISE·马德网数字地形模型马赛克地貌(中间) 。完善了公开发布的火星2020地形相对导航高分辨率成像科学实验(HiRISE)数字地形模型镶嵌
。它们与原始HiRISE图像(右)中呈现的特征相似，他们的产品比现有地图有了显著的改进 ，让火星车在火星着陆，
为了更好地绘制2020年杰泽罗陨石坑毅力着陆点周围的这些地质特征 ，如寻找最平坦的地形和装备合适的起落架，包括(1)提高了显示沙丘、MADNet地图的平均高度差仅为0.009米 ，与原始马赛克相比 ，分辨率从每像素4米到36米不等，这项新研究发表在《地球和空间科学》杂志上。以消除输出中的伪像和缺口。
过去二十年来，这表明深度学习方法的结果与传统的摄影测量方法一致。
研究人员指出，图像处理技术的进步已经将地图分辨率从数百米提高到亚米级。陨石坑和岩石等精细地表特征的有效分辨率；(2)减少了条纹假象；(3)消除具有低匹配质量的区域；以及(4)插值伪像的消除。对火星任务也至关重要
。标准偏差为0.63米 ，火星精细尺度的表面特征更加突出  。于涛和他的同事们使用了一种叫做多尺度生成对抗性U-Net (MADNet)的深度学习模型，表明已经实现了像素到像素的3D检索。这是他们在之前的工作中设计的 。