绘制火星地图：深度学习可以帮助识别Jez

　　通过深度学习方法，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)。与之前的数字地形模型(左)相比，火星精细尺度的表面特征更加突出。它们与原始HiRISE图像(右)中呈现的特征相似，表明已经实现了像素到像素的3D检索。鸣谢:uux.cn/于涛

　　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，如寻找最平坦的地形和装备合适的起落架，对火星任务也至关重要。

　　因此，让火星车在火星着陆，需要在火星车开始下降之前，就进行仔细的测绘和规划。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，即所谓的数字地形模型。

　　过去二十年来，图像处理技术的进步已经将地图分辨率从数百米提高到亚米级。虽然这是一个非凡的改进，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、小陨石坑和大岩石等精细特征。

　　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，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，这是他们在之前的工作中设计的。这项新研究发表在《地球和空间科学》杂志上。

　　MADNet使用现有的后处理数字地形模型进行训练，分辨率从每像素4米到36米不等，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。研究人员还检查和细化了多次迭代，以消除输出中的伪像和缺口。

　　结果是每像素50厘米的MADNet HiRISE Jezero数字地形模型镶嵌。与原始马赛克相比，MADNet地图的平均高度差仅为0.009米，标准偏差为0.63米，这表明深度学习方法的结果与传统的摄影测量方法一致。

　　研究人员指出，他们的产品比现有地图有了显着的改进，包括(1)提高了显示沙丘、陨石坑和岩石等精细地表特征的有效分辨率；(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。他们的结果是公开的。