Por贸wnanie dost臋pnych modeli Super Resolution dla danych Sentinel-2
Opis problemu badawczego: Obrazy satelitarne Sentinel-2 oferuj膮 wielospektralne zobrazowania w r贸偶nych rozdzielczo艣ciach (10 m, 20 m, 60 m), ale nie wszystkie pasma maj膮 wysok膮 rozdzielczo艣膰 przestrzenn膮. To ogranicza ich wykorzystanie w precyzyjnych analizach 艣rodowiskowych, takich jak detekcja zmian, klasyfikacja pokrycia terenu czy monitoring urbanizacji. Celem projektu jest zastosowanie technik Super Resolution (SR) do poprawy jako艣ci danych Sentinel-2, wykorzystuj膮c otwarte modele g艂臋bokiego uczenia do zwi臋kszania rozdzielczo艣ci obraz贸w.
Proponowane 藕r贸d艂a danych:
- W przypadku Sentinel-2 - Copernicus Data Space Ecosystem / Microsoft Planetary Computer / Earth Search by Element 84 (AWS Registry of Open Data)
- W przypadku modeli do SR:
- DSen2
- ESRGAN, SRCNN, HighResNet od AllenAI
- Sentinel-2 Deep Resolution (S2DR2 / S2DR3)
- Inne
Proponowane techniki analizy danych:
- Pobranie obraz贸w Sentinel-2
- Zastosowanie gotowych modeli
- Wizualne por贸wnanie i analiza wybranego wska藕nika spektralnego