共计 2612 个字符，预计需要花费 7 分钟才能阅读完成。
本文为大家带来的演讲主题是：AI+ 遥感，开释每个像元价值 。次要分为四个局部：
- 遥感大数据时代
- AI 如何开释遥感像元价值
- 次要产地品与典型利用
- 总结与瞻望
遥感大数据时代
遥感，即边远的感知。1839 年，第一台相机问世之后，人们尝试通过把各种成像设施搁置到更高的平台，以更加广阔的视角察看咱们周边的世界。
WAVE SUMMIT+2021 深度学习开发者峰会
【穿插前沿，AI 共拓】论坛
目前寰球曾经进入小时级的疾速响应以及亚米级遥感观测大数据时代，遥感以电磁波为信息载体，极大拓展人的感知能力。遥感拓展到更加广阔的感知范畴的同时，也带来更加广大的利用前景。
从遥感观测能力来看，从早些年百米级到当初米级、亚米级、厘米级的观测能力，数据量减少带来利用前景拓展，然而也给解译带来前所未有的挑战，传统人工解译难以满足数据量快速增长的需要，以至于在遥感利用背后显得大刀阔斧。
遥感信息疾速自动化提取曾经成为遥感整个产业链的瓶颈所在，而人工智能是近些年最新且最划有时代意义的技术，深度学习在计算机视觉等诸多畛域曾经获得了突破性停顿，遥感图像作为一种非凡的影像必然能够享受到这种技术的红利。然而，如何把 AI 和遥感数据进行交融开释像元价值，这是十分值得探讨的问题。
AI 如何开释遥感像元价值
1. 遥感 AI 口粮从哪里来？
很大肯定水平上得益于微小影像库，绝对天然图像而言遥感样本库少之又少，样本数量也是少之又少。次要是因为遥感样本库不仅场景、成像过程简单，而且样本库的造成也是非常复杂的过程。咱们团队通过十年工程迭代，建设了超大规模遥感样本库，无效涵盖全国范畴 / 局部寰球，能够满足五十几种产品研发和生产。
2. 有了数据，怎么把影像数据输出到 AI 零碎当中，也就是解决吃得下的问题。
深度学习框架就是解决此工作的，但在面对具备多通道、大场景、具备地理坐标和丰盛信息的遥感数据，现有的深度学习根底框架和针对天然图像的框架并不能很好地实用遥感数据。所以，咱们基于对遥感数据的了解和在 AI 智能剖析方面的教训，通过几年的工程研发，钻研出了业界首套全遥感体系的专用深度学习框架，可能满足遥感宰割分类、指标辨认、变化检测和遥感参数反演。
3. 深度网络模型吃下遥感数据如何消化吸收，充沛提取遥感信息是开释遥感价值的关键所在。
遥感具备丰盛的光谱、辐射、纹理和语义等信息，其中遥感图像的“谱”特色是遥感图像和天然图象最实质的区别。但如何联合地学场景下、构建交融遥感特色的深度学习网络算法模型，这是开释遥感价值的最关键环节。例如这里的耕地在可见光影像下是一片绿，而利用多光谱图像能将不同作物进行辨别，也就是利用地物的光谱信息能实现更加精准的分类。
4. 如何进步模型泛化能力，实现大场景利用需要，这是发展遥感利用不得不解决的问题。
遥感利用场景微小且非常复杂，再叠加遥感成像过程的简单，使得“同物异谱、同谱异物”景象十分广泛。以罕用的水体为例，水体中泥沙和叶绿素差别、不同水质、不同温度和光照条件下都都使水体产生微小差别；再如看似简略的室外田径场不仅本身差异大，而且有很多“李逵”来捣鬼，多种因素的叠加使得在大范畴内实现准确辨认都十分艰难。而这些问题一方面依附咱们大规模样本库，另外一方面也依附模型算法改良加以解决。
5. 如何把过程简化甚至自动化，这是遥感走向平时百姓家的前提。
为此，咱们研发了苍灵 AI ImageBot 智能繁难平台，构建了从原始卫星影像到遥感专题信息产品生成的全流程、自动化、流式疾速产品生产线，可实现遥感信息产品的“近实时”生产、算法与产品的“进化与迭代”。
给大家看两个小视频，是咱们在零碎中的一些环节，右边视频是给国土资源部做的试验。用户只须要关上网页提取，在信息提取根底上做它的动静监测，提取变动信息以及对要害因素进行辨认，进一步反演它的产能、状态等。左边辨认是对路线、建筑物等典型人造地物进行监测，这些信息从某个意义上来说体现了遥感最实质的监测，一个是摸清家里，另一个则是动静检测。
上面这个视频是近几年研发过程中全国甚至寰球范畴内做的产品集中展现，这个视频也在 CCTV 新闻频道和晚间新闻节目报道过，咱们累积到当初曾经超过四十种中国指标和天文因素全方面辨认。这些因素首先在技术层面涵盖了所有遥感的指标辨认信息提取、全技术链条和全技术难点笼罩。其次是这些数据叠加在一起给咱们提供了另外一个了解和认知世界的一种形式，例如视频里展示的是全国两米卫星图象分类后果，通过后果咱们能够看到全国建筑物和路线散布状况以及如何体现出自然地理与人文倒退之间的关系，同时咱们也能够为全国自然资源、生态环境监测提供高精度监测数据。
次要产地品与典型利用
后面提到地是遥感图像失去的信息，理论中遥感技术 AI 利用十分宽泛。例如：列出的这些自然资源、城市监管、全球战略都有宽泛的利用前景，都可针对不同行业做出属于本人的产品。
- 这张图是咱们第一次实现了利用米级图像实现全国指标的全自动辨认，咱们用一台服务器在 3 天内实现了全国室外运动场辨认，精度超过 95%，也也应该是业界第一次在这么高分辨率实现全国产品生产。
- 基于这些全国规模的专题数据，即便应用简略的色彩渲染就能够把中国经济、人口倒退散布勾画地比拟清晰，这也正是大数据魅力所在。
- 综合利用多种信息，通过空间散布信息和工夫监测信息，可能对很多外在法则进行探寻，例如对京津冀雾霾起因的剖析，很显然工业污染是最次要的雾霾首恶。
综上，遥感记录了人类几十年的实在倒退过程，咱们利用这种 AI+ 遥感数据能够进步疾速剖析能力，实现四十年沧海桑田信息变动的监测。咱们也可能从寰球角度来察看和思考问题。例如把寰球钢铁厂、火电厂、水泥厂放在一起，从寰球角度来说，有四个地区，两个欧美发达国家，两个发展中国家——印度和中国；从具体数据来看，中国占了半壁江山，这阐明国家倒退次要由 GDP 总量和增速决定的。通过这些数据，咱们能够发展很多方面的利用。
总结与瞻望
- 简略总结一下，AI+ 遥感数据如何实现利用颠覆的？
从这个图咱们能够比照，与传统物理模型相比，深度学习的生产方式不仅生产过程简略，而且老本上越来越低，精度越来越高，这也是咱们谋求的指标。
- 这里截取了两张生产的图，置信大家看了这张图都会有所触动，遥感和人工智能的联合，能够实现更大范畴、更加丰盛、更加精密的多种地表的时空因素信息，而这些信息能够给宽泛的利用行业提供了赋能可能性。
最初，我想说 AI+ 遥感赋能就是一把金钥匙，我心愿每个人都能领有这样一把金钥匙。
