0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

NASA呼吁幫助識別和分類珊瑚

汽車玩家 ? 來源:cnBeta ? 作者:cnBeta ? 2020-04-11 10:38 ? 次閱讀

美國NASA呼吁公民科學家通過玩一個虛擬潛水游戲來幫助識別和分類世界上的珊瑚,讓專家們能夠更好地了解它們的進化,以及如何在未來保護它們。用戶需要的是下載NASA NeMO-Net游戲,它目前有iOS和iPadOS 版本(macOS和Android版本即將推出)。

這款游戲?qū)阍诤Q笾羞M行一系列的虛擬潛水,你的任務(wù)是識別你所遇到的珊瑚。計算機生成的水下環(huán)境是基于美國宇航局位于加州的艾姆斯研究中心在過去幾年中收集到的數(shù)據(jù)。那里的團隊一直在使用流體透鏡相機繪制出比以往更詳細的海洋地圖。

這些相機最初是為了讓地面上的天文學家能看到不受大氣層扭曲的恒星而開發(fā)的,但也可以避免水的扭曲來繪制海底地圖。然而,盡管這些相機再先進,但它們并不能揭示出坐在海浪下的珊瑚的全部圖片,通過巡視和識別你在游戲中看到的珊瑚類型,以及它們的確切位置,你可以幫助NASA收集相關(guān)數(shù)據(jù)。

NASA表示任何人,甚至是一年級的小學生,都可以通過玩這個游戲,對這些數(shù)據(jù)進行分類,幫助我們繪制出全球珊瑚地圖。這個游戲也很有教育意義,教用戶識別世界海洋中珊瑚的種類。用戶提交的所有資料都會被艾姆斯研究中心的Pleiades超級計算機處理,訓練它如何根據(jù)原始數(shù)據(jù)識別不同類型的珊瑚。與其他神經(jīng)網(wǎng)絡(luò)一樣,隨著訓練的深入,它的識別效率應(yīng)該會隨著時間的推移而不斷提高,因此,即使是質(zhì)量較低的數(shù)據(jù),它最終也能獨立識別出珊瑚類型。注冊使用NeMO-Net的人越多,系統(tǒng)就會變得越聰明。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • NASA
    +關(guān)注

    關(guān)注

    0

    文章

    427

    瀏覽量

    30863
收藏 人收藏

    評論

    相關(guān)推薦

    RK3588 技術(shù)分享 | 在Android系統(tǒng)中使用NPU實現(xiàn)Yolov5分類檢測

    NPU。 應(yīng)用領(lǐng)域 圖像識別: NPU能夠迅速對圖像進行分類、檢測和分割等操作,大大提升了處理效率。 語音識別: NPU實現(xiàn)了實時語音轉(zhuǎn)換和語音合成功能,為語音交互提供了更自然的體驗。 自然語言處理
    發(fā)表于 10-24 10:13

    基于高光譜數(shù)據(jù)的典型地物分類識別方法研究

    隨著成像光譜儀器的廣泛應(yīng)用,利用光譜數(shù)據(jù)進行物質(zhì)分類識別已經(jīng)成為一項重要的研究內(nèi)容,研究不同分類算法對最終的目標識別準確度具有重要意義。
    的頭像 發(fā)表于 07-18 14:43 ?209次閱讀
    基于高光譜數(shù)據(jù)的典型地物<b class='flag-5'>分類</b><b class='flag-5'>識別</b>方法研究

    圖像識別技術(shù)的原理是什么

    圖像識別技術(shù)是一種利用計算機視覺和機器學習技術(shù)對圖像進行分析和理解的技術(shù)。它可以幫助計算機識別和理解圖像中的對象、場景和活動。 圖像預(yù)處理 圖像預(yù)處理是圖像識別的第一步,它包括圖像的去
    的頭像 發(fā)表于 07-16 10:46 ?739次閱讀

    基于PYNQ的智能垃圾分類系統(tǒng)

    的問題,減輕社會和居民的壓力,如果可以實現(xiàn)可回收垃圾二次分類,對生活垃圾自主分類就顯得尤為重要。于此,我們決定設(shè)計這樣一個作品—智能識別自動投遞分類垃圾箱,方便垃圾回收和利用。本作品是
    發(fā)表于 07-09 18:44

    深度學習中的時間序列分類方法

    時間序列分類(Time Series Classification, TSC)是機器學習和深度學習領(lǐng)域的重要任務(wù)之一,廣泛應(yīng)用于人體活動識別、系統(tǒng)監(jiān)測、金融預(yù)測、醫(yī)療診斷等多個領(lǐng)域。隨著深度學習技術(shù)
    的頭像 發(fā)表于 07-09 15:54 ?545次閱讀

    人臉識別模型訓練是什么意思

    人臉識別模型訓練是指通過大量的人臉數(shù)據(jù),使用機器學習或深度學習算法,訓練出一個能夠識別分類人臉的模型。這個模型可以應(yīng)用于各種場景,如安防監(jiān)控、身份認證、社交媒體等。下面將介紹人臉識別
    的頭像 發(fā)表于 07-04 09:16 ?398次閱讀

    NASA已經(jīng)啟動Psyche的電動霍爾推進器

    NASA(美國國家航空航天局)已經(jīng)啟動了Psyche的電動霍爾推進器,這是一艘正在緩慢駛向嵌入火星外主小行星帶的富含金屬的小行星的航天器。該機構(gòu)表示,Psyche在2023年10月13日用
    的頭像 發(fā)表于 06-05 16:55 ?665次閱讀

    NASA出品!36像素的傳感器

    來源:半導體行業(yè)觀察,謝謝 編輯:感知芯視界 Link 雖然 NASA 的詹姆斯·韋伯太空望遠鏡正在幫助天文學家在距地球 150 萬公里處拍攝122 兆像素的照片,但該機構(gòu)的最新相機僅用 36 像素
    的頭像 發(fā)表于 05-27 11:07 ?334次閱讀

    基于毫米波的人體跟蹤和識別算法

    。雷達已被提議作為粗粒度活動識別的替代模式,使用微多普勒頻譜圖捕捉環(huán)境信息的最小子集。然而,由于低成本毫米波雷達系統(tǒng)產(chǎn)生稀疏和不均勻的點云,訓練細粒度、準確的活動分類器是一個挑戰(zhàn)。在本文中,我們提出
    發(fā)表于 05-14 18:40

    NASA尋求更快廉價火星樣本收集方法

    納爾遜強調(diào),“等待如此之久無法接受”,他表示NASA計劃在2040年代將人類送上火星。為了實現(xiàn)這個目標,NASA計劃向各中心及噴氣推進實驗室征集更高效、低成本的樣本返回方案。
    的頭像 發(fā)表于 04-16 10:36 ?376次閱讀

    語音識別的技術(shù)歷程及工作原理

    語音識別的本質(zhì)是一種基于語音特征參數(shù)的模式識別,即通過學習,系統(tǒng)能夠把輸入的語音按一定模式進行分類,進而依據(jù)判定準則找出最佳匹配結(jié)果。
    的頭像 發(fā)表于 03-22 16:58 ?2589次閱讀
    語音<b class='flag-5'>識別</b>的技術(shù)歷程及工作原理

    NASA將阿耳忒彌斯推遲至2026年實施

    NASA解釋,獲延的項目任務(wù)旨在保障宇航員安全,原因是需處理電池問題及研究環(huán)境設(shè)備電路,包括優(yōu)化空氣流通等因素。同時,NASA將以此為契機,打造月球科學勘測的基石,期盼女性及少數(shù)族裔登月,以及助力人類火星探索。
    的頭像 發(fā)表于 01-10 10:51 ?600次閱讀

    CNN圖像分類策略

    在深度學習出現(xiàn)之前,自然圖像中的對象識別過程相當粗暴簡單:定義一組關(guān)鍵視覺特征(“單詞”),識別每個視覺特征在圖像中的存在頻率(“包”),然后根據(jù)這些數(shù)字對圖像進行分類。這些模型被稱為“特征包”模型(BoF模型)。
    發(fā)表于 12-25 11:36 ?259次閱讀
    CNN圖像<b class='flag-5'>分類</b>策略

    保險電阻的識別方法

    保險電阻識別方法? 保險電阻的正確識別對于電子設(shè)備的正常運行和使用安全至關(guān)重要。本文旨在詳盡、詳實、細致地探討保險電阻的識別方法,幫助讀者更好地理解和應(yīng)用該技術(shù)。 一、保險電阻的基本概
    的頭像 發(fā)表于 12-15 10:55 ?1338次閱讀

    扭轉(zhuǎn)珊瑚礁減少趨勢:CUREE 機器人“深度學習”深海潛水

    科學家和工程師們正在聯(lián)合開發(fā)搭載 NVIDIA Jetson 的海底研究助手,以收集有關(guān)珊瑚礁、海洋生物和生態(tài)系統(tǒng)的數(shù)據(jù)。 研究人員正在讓機器人“深度學習”深海潛水 ?圖片來源:Austin
    的頭像 發(fā)表于 10-31 11:15 ?431次閱讀
    扭轉(zhuǎn)<b class='flag-5'>珊瑚</b>礁減少趨勢:CUREE 機器人“深度學習”深海潛水