共计 1655 个字符，预计需要花费 5 分钟才能阅读完成。
在新型城市建设和布局中，以卫星遥感图像处理为代表的天文信息技术正在施展十分重要的作用，通过对城市范畴内的人、事件、基础设施和环境等因素全面感知、实时动静辨认和疾速指标提取，为智慧城市的建设提供更多有价值的信息。以后，基于人工智能的遥感图像处理技术已被宽泛地利用在城市规划、违章建筑监管、工程环境监测、废弃物治理、交通治理、城市安防等场景。
作为源于产业实际的深度学习平台，飞桨始终致力于为各行各业的开发者提供齐备的产业利用开发计划。同样在遥感畛域，飞桨也提供了丰盛的数据预处理计划，笼罩地物检测、地块宰割、变化检测、地物分类等多种视觉工作，致力于更好地帮忙开发者实现遥感我的项目的利用开发。
图 1 飞桨遥感利用开发计划
尤其是针对遥感畛域广泛关注的数据标注艰难的问题，飞桨团队联结中国四维，在原有交互式智能标注软件 EISeg 的根底上，推出了专门针对遥感的交互式垂类模型，提供多通道提取（高光谱、多光谱数据）、大尺幅数据的切片（多宫格）解决和主动拼接等性能，使遥感场景的数据可能被更便捷地解决。
图 2 EISeg 遥感性能智能标注性能演示
以后，很多产业 AI 开发者正在基于飞桨提供的遥感利用开发计划解决理论利用问题。接下来咱们将通过几个具体的场景案例来为大家具体解读。
居民地数据提取
居民地数据是根底地理信息的外围因素之一。利用遥感技术及时、精确地发现、确定居民地变动对灾祸评估、城市扩张、环境变动、空间数据更新等有着重要意义。航天宏图信息技术股份有限公司应用飞桨图像宰割套件 PaddleSeg 中的 Segformer 系列算法对居民地大类下的一般街区、高层建筑、独立屋宇、体育场等二级类进行遥感监测，大大晋升了制作根底测绘底图的工作效率。
该我的项目基于 Segformer 系列算法，联合居民地 5 种二级类数据的不同遥感图像特色进行了调优。调优后，在精度相当的状况下，飞桨模型的体积是其它框架实现的 Segformer 模型体积的 1 /3。最终，模型在 2 米分辨率遥感影像上进行推理，联合栅格矢量化、规则化等后处理工具，可能疾速地宰割出居民地并生成测绘级地图，相比于传统人工地图矢量化的办法，工作效率进步了 85 倍，检出准确率能够达到 90.2%，合乎产品上线要求。
图 3 居民用地宰割示意图
土地利用类别动静解译
土地利用是水土流失的重要影响因子。全国水土流失动静监测采纳遥感考察、定位观测与模型计算相结合的技术办法，每年发展一次区域土地利用类别解译工作。如果采纳传统的人工目视解译形式，须要消耗大量的人力、物力资源，每人每天只可能解译 300-400 平方公里，在时效性方面难于满足区域水土流失动静监测工作须要。基于飞桨，北科博研实现了宁夏土地利用类型 AI 遥感辨认，提取准确率达到 90% 以上，绝对传统的人工解译我的项目有了很大的晋升。只须要两台 GPU 工作站，即可疾速实现全省的解译工作，大幅提高土地利用辨认效率，保障当地区域水土流失动静监测工作的顺利开展。
图 4 北科博研 AI 解译平台
高尔夫球场检测
因为历史上疏于监管，各地均存在着高尔夫球场滥建强占城市建设空间的问题，引起了发改委等相干部门的高度重视。中科院空天信息翻新研究院利用飞桨深度学习开源框架对高尔夫球场进行遥感监测，针对指标进行了一系列优化，大大晋升了遥感图像解译工作的效率，为高尔夫球场检测提供半自动化技术手段。
在我的项目中采纳经典的指标检测算法 Faster R-CNN，并依据高尔夫球场的个性对输出图像的长宽比进行了调优。我的项目上线后，绝对于传统办法效率大大提高，使周期性、自动化高尔夫球场遥感检测成为可能。在京津冀地区 GF-6 WFV 影像中获得的面积检测率为 86%，数量检测率为 95%，单景 GF-6 WFV 影像检测耗时 10 分钟。
图 5 高尔夫球场辨认效果图
同时，飞桨贴心地为大家筹备了一节直播课并邀请了国内遥感能力当先的提供商—航天宏图的技术专家，从核心技术实践动手，全方位分析遥感图像在智慧城市中的利用。在将来，飞桨会继续增强在遥感畛域的能力建设。以最低门槛、最高性能为初心，更好地赋能智慧城市的建设。
