本研究提出了一种新方法ReDRAW，旨在解决模拟与现实动态不一致的问题。通过对潜在状态动态进行残差校正，ReDRAW优化了强化学习代理的想象回合，有效避免了传统方法的过拟合现象。

本文研究了使用深度完全卷积神经网络（DFCNN）对地观测图像进行像素级场景标记。作者使用了变种的SegNet架构对城市区域的遥感数据进行训练，并研究了不同的准确语义分割方法。作者提出了三个贡献：1）将DFCNN有效地应用于遥感图像领域；2）引入了多核卷积层以便于对多个尺度上的预测进行快速聚合；3）使用残差校正对异构传感器的数据进行融合。该方法在ISPRS Vaihingen 2D语义标记数据集上改进了现有技术的准确率。