智能制造網(wǎng)APP
智能制造網(wǎng)手機(jī)站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號
智能控制
機(jī)器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
回放
品牌
明基環(huán)保
就在近日，由國家自然科學(xué)基金委信息科學(xué)部、“空間信息網(wǎng)絡(luò)基礎(chǔ)理論與關(guān)鍵技術(shù)”重大研究計劃指導(dǎo)專家組主辦的遙感圖像稀疏表征與智能分析競賽，也剛剛落幕。這已經(jīng)是國家自然科學(xué)基金委籌辦的第三屆關(guān)于遙感圖像稀疏表征與智能分析的競賽，而這三年以來隨著競賽賽題的變化，一個明顯的趨勢就是，遙感與AI的結(jié)合方式正在變得越來越豐富。
從年設(shè)置智能影像目標(biāo)檢測和智能壓縮兩個賽題，到第二年又增加了光學(xué)圖像識別、SAR遙感圖像識別、遙感衛(wèi)星追蹤三個賽題。而在今年，大賽在決賽中設(shè)置了基于華為昇騰AI處理器的遙感圖像解譯加分賽，要求參賽隊伍須將決賽算法模型移植于Atlas 200 DK AI平臺，實現(xiàn)算法模型的推理計算，更是切實展現(xiàn)了AI與遙感相遇創(chuàng)造出的無限機(jī)會。
如此一來，這次比賽中的團(tuán)隊也就格外引人矚目——他們的成果，或許能夠給AI+遙感的未來帶來更多可能。
之作：用少樣本學(xué)習(xí)，讓遙感圖像檢測機(jī)智起來
在比賽中，由來自中國科學(xué)院空天信息創(chuàng)新研究院趙忠明、孟瑜研究員團(tuán)隊的鄧毓弸、節(jié)永師、張懿、陳靜、劉文雅組成的的“機(jī)智隊”獲得本次大賽的特等獎，而他們所選擇的賽題就是遙感圖像變化檢測。
遙感圖像變化檢測可以對同一地點的不同時相數(shù)據(jù)進(jìn)行變化檢測處理，在資源和環(huán)境監(jiān)測、地理國情監(jiān)測、自然災(zāi)害評估等領(lǐng)域具有高度的實用價值。目前遙感圖像變化檢測的前沿算法在數(shù)據(jù)層面以及算法設(shè)計層面均具有一定局限性，導(dǎo)致算法在實際應(yīng)用時效率低下。機(jī)智隊的解決方案是應(yīng)用將近兩年來AI中非?；馃岬纳贅颖緦W(xué)習(xí)，在數(shù)據(jù)樣本相對不太豐富的前提下，盡可能通過遷移學(xué)習(xí)和樣本泛化，提升數(shù)據(jù)的利用效率。終機(jī)智隊的模型在精度和效率上都表現(xiàn)優(yōu)異，獲得了整場比賽的特等獎，也證實了AI與遙感之間無限的契合空間。
其實細(xì)細(xì)看來本次比賽的幾個單元設(shè)置，我們可以發(fā)現(xiàn)AI之于遙感的產(chǎn)業(yè)價值，正在被越來越多人認(rèn)知。
在很長一段時間內(nèi)，遙感技術(shù)捕捉到的信息都應(yīng)用于氣象、環(huán)境、地質(zhì)資源、農(nóng)業(yè)林業(yè)等等領(lǐng)域的研究與觀測之中。實際遙感作為一種能夠越過地理障礙對目標(biāo)進(jìn)行遠(yuǎn)距離測探的技術(shù)，所累積下的圖像資源對于很多行業(yè)都有利用價值。但很多時候遙感圖像的分析和觀測還需要專家親自參與，人力問題成了遙感圖像難以被更多產(chǎn)業(yè)利用的關(guān)鍵。
這時通過AI技術(shù)替代人力，直接將遙感圖像數(shù)據(jù)轉(zhuǎn)化成可直接應(yīng)用于產(chǎn)業(yè)的方法論工具，自然就成為了打通遙感技術(shù)產(chǎn)業(yè)價值的關(guān)鍵秘鑰。
像是遙感衛(wèi)星視頻跟蹤這一賽題，就將汽車、飛機(jī)、火車、輪船等交通工具作用跟蹤對象，這一技術(shù)對于智慧物流、智慧交通等等領(lǐng)域都有不小的應(yīng)用價值。而在遙感圖像語義分割賽題中，主辦方提供了包含15種典型土地利用類型的圖像數(shù)據(jù)，對于這些數(shù)據(jù)的分析結(jié)果，對于智慧城市中的城市規(guī)劃建設(shè)也有很高的應(yīng)用價值。獲得特等獎的機(jī)智隊，他們提出的技術(shù)創(chuàng)新如果應(yīng)用到AI防災(zāi)等領(lǐng)域之中，也能幫助遙感技術(shù)更好地發(fā)揮作用，對于災(zāi)害情況進(jìn)行的分析甚至預(yù)測。
關(guān)鍵一招：算力如何讓AI+遙感翻過三個山坡
我們注意到，機(jī)智隊在終推理環(huán)節(jié)時將計算任務(wù)分為了兩部分，一部分設(shè)置在云端，另一部分則應(yīng)用了邊緣計算。這種分布式計算極大地提升了模型的推理效率。背后提供支持的，顯然是華為為競賽提供的Atlas 200 DK AI套件。這一套件通過外圍接口釋放出了華為Ascend 310芯片的強(qiáng)勁算力，更擁有快速搭建、便于迭代的特征，方便參賽盡快熟悉上手，并且在不斷調(diào)整策略時可以實現(xiàn)算法的快速更新迭代，讓參賽者無需在模型與硬件之間的對接上浪費時間。
在這一案例中我們也能發(fā)覺，在AI與遙感結(jié)合的產(chǎn)業(yè)邏輯中，算力這一元素起到的作用正在越來越大。
例如，算力在哪，AI+遙感就在哪。
處理遙感圖像，本身就意味著海量的計算需求出現(xiàn)。能否滿足不同的計算需求，也意味著AI+遙感能否潛入更多場景。例如在中低空遙感領(lǐng)域，有很多追蹤類的任務(wù)，像是追蹤災(zāi)害蔓延軌跡，或是追蹤野生動物。這種時間緊任務(wù)重的計算工作，就考驗著無人機(jī)、攝像頭等等終端設(shè)備中能否搭載AI算法實現(xiàn)實時識別追蹤，也就考驗著終端的計算能力。
又比如，算力有多普惠，AI+遙感就有多普惠。
在AI時代我們可以深刻的感覺到算力如同一種貨幣，AI任務(wù)的完成需要多少成本都是明碼標(biāo)價的。但從產(chǎn)業(yè)層面來講，一定要在引入AI+遙感的成本和收益之中找到平衡、找到拐點，才能挖掘出AI+遙感的應(yīng)用價值。換句話說，不斷降低應(yīng)用算力的門檻和成本，才能讓更多產(chǎn)業(yè)應(yīng)用上AI+遙感。
后還有，算力生態(tài)有多完善，AI+遙感的生態(tài)就有多完善。
當(dāng)AI賦能遙感，幫助遙感進(jìn)入產(chǎn)業(yè)化應(yīng)用時，也意味著遙感圖像將要成為企業(yè)所處理眾多數(shù)據(jù)中的一種。遙感圖像數(shù)據(jù)想要融入整體技術(shù)架構(gòu)之中，需要讓遙感數(shù)據(jù)能夠在儲存、傳輸和處理上與企業(yè)整體業(yè)務(wù)進(jìn)行配合。而這也往往考驗著企業(yè)是否擁有一個完善的算力生態(tài)，來分布處理不同類型的數(shù)據(jù)，使得不同計算模式互相配合。換句話說，AI+遙感的應(yīng)用能否走向常態(tài)化，還要看算力生態(tài)是否足夠完善。
當(dāng)算力幫助AI+遙感翻過這三個山坡后，我們一定能看到遙感技術(shù)在更多產(chǎn)業(yè)中散發(fā)耀眼的光芒。
結(jié)束語
不難發(fā)現(xiàn)，在全場景框架之下，AI與遙感的結(jié)合如同相遇。遙感技術(shù)的應(yīng)用補(bǔ)充了對于物理世界圖像化捕捉的重要一環(huán)——從面孔之微到星云之著，都可以化作供給計算機(jī)理解分析的圖像數(shù)據(jù)。而全場景AI提供的，是讓計算機(jī)更理解遙感圖像的契機(jī)，在中高空追逐珍惜野生動物的無人機(jī)中，在通過幾十年來氣象遙感圖像分析氣候變化的服務(wù)器里。
而計算，或許就是牽引兩人共赴的登山繩，讓AI與遙感從此有了追求共同目標(biāo)的可能。
浙公網(wǎng)安備 33010602000006號
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號
