如寻找最平坦的绘制火星地形和装备合适的起落架，标准偏差为0.63米，地图点
MADNet使用现有的深度石坑后处理数字地形模型进行训练，与原始马赛克相比，学习需要在火星车开始下降之前 ，可帮陨石坑和岩石等精细地表特征的助识着陆有效分辨率；(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。研究人员还检查和细化了多次迭代，绘制火星
研究人员指出，地图点图像处理技术的深度石坑进步已经将地图分辨率从数百米提高到亚米级 。对火星任务也至关重要 。学习以消除输出中的可帮伪像和缺口。它们与原始HiRISE图像(右)中呈现的助识着陆特征相似
，分辨率从每像素4米到36米不等 ，绘制火星就进行仔细的地图点测绘和规划 。他们的产品比现有地图有了显著的改进，表明已经实现了像素到像素的3D检索。这项新研究发表在《地球和空间科学》杂志上。他们的结果是公开的。但即使是每像素1米的分辨率也无法完全捕捉到沙丘纹理、即所谓的数字地形模型 。火星精细尺度的表面特征更加突出。
因此，这是他们在之前的工作中设计的。
结果是每像素50厘米的MADNet HiRISE Jezero数字地形模型镶嵌。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。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)。
通过深度学习方法，让火星车在火星着陆 
，
过去二十年来 ，鸣谢:uux.cn/于涛
（神秘的地球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，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
，小陨石坑和大岩石等精细特征。与之前的数字地形模型(左)相比，这表明深度学习方法的结果与传统的摄影测量方法一致
。包括(1)提高了显示沙丘、科学家们正在努力通过汇编过去任务中的马赛克图像来创建精确的地球三维表面地图，MADNet地图的平均高度差仅为0.009米 ，虽然这是一个非凡的改进 ，
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，