本研究提出了一种名为ClassWise-CRF的类别特定融合架构，旨在提升遥感影像的语义分割精度。该架构通过选择表现优异的专家网络进行分类预测融合，并动态调整权重，验证了其在两个遥感数据集上的有效性。

地球观测领域正在经历变革，预计2024年经济价值将超过7000亿美元。IBM等机构推出的EarthDial模型，能够处理多分辨率和多光谱遥感影像，支持多种任务。该模型通过超1111万条指令数据集，显著提升了准确性和泛化能力，推动地球观测技术向智能决策转型。

本研究提出了一种新框架，通过结合多光谱数据，运用异方差回归和贝叶斯建模，改进遥感影像的社会经济状况估计，效果优于传统RGB模型。

这项研究使用遥感影像绘制贫民窟地图，重点关注深度学习方法，提高了贫民窟识别精确度。研究评估了在不同地理环境中有效的方法，并提出了克服挑战的潜在策略。

本文提出了一种基于 Hierarchical Transformers 的建筑物映射方法 HiT，通过增加一个多边形头并行于分类和边界框回归头的两阶段检测结构实现了从高分辨率遥感影像中提取多边形建筑物的质量改进。实验表明，该方法在实例分割和多边形度量方面达到了最新的良好结果，并在复杂场景下表现出优越性和有效性。