KP Labs sp. z o.o. to firma działająca głównie w zakresie wdrażania sztucznej inteligencji (AI) oraz systemów autonomicznych, mających zastosowanie przede wszystkim przy obserwacji Ziemi oraz w branży kosmicznej. Prowadzi prace o charakterze usługowym i badawczo-rozwojowym w zakresie rozwoju jednostek przetwarzających (DPU, OBC z DPU), optyki dla małych satelitów, a także opracowuje oparte na sztucznej inteligencji rozwiązania dla aplikacji kosmicznych takie, jak hiperspektralne obrazowanie satelitarne, uczenie maszynowe, przetwarzanie obrazów, klasyfikacja i segmentacja, przetwarzanie markerów oraz wykrywanie obiektów.
W ramach projektu, firma skorzysta z grantu na transfer technologii, którego przedmiotem jest wdrożenie technologii rekonstrukcji nadrozdzielczej zdjęć cyfrowych opartej na zastosowaniu głębokich sieci neuronowych, w celu wprowadzenia do oferty innowacyjnej w skali kraju usługi, pozwalającej na znaczną poprawę jakości zdjęć cyfrowych w krótkim czasie: przygotowanie danych uczących do treningu sieci głębokich, rekonstrukcję nadrozdzielczą zdjęć na podstawie jednego zdjęcia źródłowego, rekonstrukcję nadrozdzielczą zdjęć na podstawie wielu zdjęć źródłowych, szybkie metody rekonstrukcji nadrozdzielczej na podstawie wielu zdjęć źródłowych, automatyczny dobór parametrów scalania zdjęć cyfrowych.
Rekonstrukcja nadrozdzielcza zdjęć cyfrowych oparta na zastosowaniu głębokich sieci Neuronowych polega na zastosowaniu głębokich sieci neuronowych służących poprawie rozdzielczości przestrzennej zdjęć (ang. ground sampling distance, GSD). Składa się ona z kilku kluczowych komponentów, które pozwalają na znaczną poprawę jakości zdjęć cyfrowych w krótkim czasie: przygotowanie danych uczących do treningu sieci głębokich, rekonstrukcję nadrozdzielczą zdjęć na podstawie jednego zdjęcia źródłowego, rekonstrukcję nadrozdzielczą zdjęć na podstawie wielu zdjęć źródłowych, szybkie metody rekonstrukcji nadrozdzielczej na podstawie wielu zdjęć źródłowych, automatyczny dobór parametrów scalania zdjęć cyfrowych. Zastosowanie tej technologii zwiększa atrakcyjność zdjęć cyfrowych, zwłaszcza satelitarnych, dla wielu dziedzin, m.in. analizy zmian środowiska (np. kurczenie się powierzchni lasów), wykrywania i śledzenia anomalii i katastrof naturalnych (powodzie, pożary) i biologicznych (śledzenie wykwitów alg na morzach), rolnictwa precyzyjnego i wielu innych.
