永久黄网站色视频免费观看99|japanese 18高潮喷水尿|日日噜噜噜夜夜爽爽狠狠|亚洲三区视频|武则天一级淫片免费放武则天

      任何顛覆性新技術(shù)由愿景到成熟應用，從“思想火花”到“物質(zhì)成品”都有一個(gè)發(fā)展過(guò)程。遙感技術(shù)誕生于20世紀60年代，經(jīng)過(guò)幾十年的迅速發(fā)展，成為一門(mén)實(shí)用、先進(jìn)的空間探測技術(shù)。

 

      未來(lái)十年，遙感是否可以深刻地影響社會(huì )發(fā)展，切實(shí)解決生產(chǎn)生活中的問(wèn)題，兼具普適性和經(jīng)濟價(jià)值，其關(guān)鍵點(diǎn)在于對遙感數據的解譯和應用。如果人工智能技術(shù)與遙感的結合打開(kāi)未來(lái)遙感行業(yè)應用大門(mén)，這將帶來(lái)怎樣的變革呢？

 

      傳統遙感解譯技術(shù)對精準快速的處理效果不理想，對精細化狀態(tài)分析缺乏有效手段。最為掣肘的是圖像解譯方法主要依賴(lài)人工判讀和半自動(dòng)化軟件解譯，這使得遙感應用無(wú)法從根本上脫離其勞動(dòng)密集型的“傳統”。

 

      多源遙感數據量的激增、遙感數據分析市場(chǎng)的巨大前景和傳統遙感技術(shù)的瓶頸三者之間的溝壑急需一種全新的高效、精準、便捷的技術(shù)手段來(lái)填平。

 

      遙感技術(shù)與人工智能技術(shù)的結合，將人工智能賦能遙感技術(shù)，貫穿海量多源異構數據從處理分析到共享應用的全鏈路，在大幅縮短遙感圖像解譯周期、提高解譯精準度的同時(shí)催生新的遙感應用領(lǐng)域，促進(jìn)遙感技術(shù)應用的變革。

 

2019世界人工智能大會(huì )期間

商湯為世博園區做的城市變化監測

 

  AI+遙感在部分應用場(chǎng)景中面臨巨大挑戰

 

      伴隨著(zhù)人工智能技術(shù)近年來(lái)的蓬勃發(fā)展和廣泛應用，遙感技術(shù)對新型解譯能力的需求迫切，越來(lái)越多的高科技公司和科研院校已著(zhù)手嘗試利用深度學(xué)習解決海量遙感影像的解譯問(wèn)題，并取得了一些階段性進(jìn)展，付諸于遙感行業(yè)應用上。

 

      其中較為典型的例子，如商湯科技在2019年WGDC上發(fā)布的SenseEarth智能遙感在線(xiàn)解譯平臺和其背后作為支撐的SenseRemote智能遙感解譯系列產(chǎn)品，其像素級解譯分類(lèi)精度超過(guò) 95%、目標檢測準確率優(yōu)于 98%；適用于包括目標檢測、變化檢測、地表信息提取、土地利用類(lèi)型分類(lèi)等多個(gè)遙感應用場(chǎng)景。

 

      然而，雖然現階段人工智能與遙感技術(shù)的結合已經(jīng)取得了一些進(jìn)展，在部分應用場(chǎng)景中利用深度學(xué)習技術(shù)解譯遙感影像的處理精度、效率和自動(dòng)化程度都有較為明顯的提升，我們卻不得不正視目前成果的局限性和未來(lái)發(fā)展所面對的巨大挑戰。

 

      首先，目前大部分人工智能遙感應用均采取監督學(xué)習的方法，利用此類(lèi)技術(shù)對海量遙感數據進(jìn)行智能解譯的基礎，是前置的對同樣海量特定解譯對象已標注樣本的訓練工作；而遙感應用場(chǎng)景的豐富性，多樣性，甚至同一解譯對象在不同空間、時(shí)間維度下所展現出不同的特性，使數據樣本的復雜性呈幾何倍數的增長(cháng)，導致可以將大部分遙感應用領(lǐng)域中正確標注的樣本集合成庫，從而訓練出有效解譯模型的可能性極低。

 

      這種復雜性使得基于監督學(xué)習方式，通過(guò)深度學(xué)習方法得到的遙感智能解譯模型很難具備普適性和復用性。

 

徐州市沛縣冬小麥提取

 

      其次，遙感數據來(lái)源的多元異構化，不同遙感平臺，不同載荷成像機理，不同的空間時(shí)間光譜分辨率、精度、時(shí)效性等等都給遙感數據的一致性處理帶來(lái)巨大的挑戰，如何利用多源異構數據構建“一張圖”式的應用場(chǎng)景，使得人工智能技術(shù)可以便捷地解決海量異構數據時(shí)空信息提取分析困難的問(wèn)題將是破局遙感行業(yè)發(fā)展桎梏的重中之重。

 

建筑物檢測

 

      第三，鑒于人工智能遙感技術(shù)發(fā)展的綜合性，其發(fā)展不僅僅依賴(lài)遙感與人工智能自身的技術(shù)迭代和發(fā)展，計算機技術(shù)、神經(jīng)科學(xué)等與之相關(guān)聯(lián)各個(gè)領(lǐng)域的技術(shù)與理論革新都會(huì )一定程度上影響著(zhù)人工智能遙感行業(yè)的前行速度，這使得人工智能+遙感技術(shù)在產(chǎn)生廣泛的經(jīng)濟效益前，存在著(zhù)漫長(cháng)的研發(fā)周期和風(fēng)險成本。

 

  人工智能遙感的未來(lái)在哪里

 

樣本積累

 

      鑒于現階段構建人工智能遙感解譯深度學(xué)習算法模型對海量標注樣本的依賴(lài)，利用云、區塊鏈等新興網(wǎng)絡(luò )共享技術(shù)，將散落在各個(gè)行業(yè)領(lǐng)域中遙感樣本關(guān)聯(lián)整合起來(lái)，互為補充，同時(shí)利用數據仿真技術(shù)的發(fā)展，共同構建屬于大行業(yè)范疇的解譯模型庫也許是解決智能遙感技術(shù)發(fā)展中樣本不足的途徑之一。

 

      在SenseEarth智能遙感在線(xiàn)解譯平臺的規劃中提到，“在未來(lái)，一個(gè)輕量級在線(xiàn)樣本訓練平臺系統將搭載上線(xiàn)，希望借此與用戶(hù)將產(chǎn)生更多的交流與合作，以商湯的前沿算法儲備和雄厚計算資源與全領(lǐng)域用戶(hù)手中的存量樣本數據產(chǎn)生火花，共同擴展遙感樣本庫，訓練出更多更精準覆蓋全領(lǐng)域的解譯模型，以知識共享的理念推動(dòng)AI+遙感的發(fā)展進(jìn)程?！?/span>

 

SenseEarth智能遙感影像解譯平臺

用地分類(lèi)演示

 

無(wú)監督學(xué)習

 

      從另一個(gè)角度來(lái)看，目前深度學(xué)習的基礎是對大量被正確標注的結構化樣本數據的訓練，然而遙感數據大部分是未經(jīng)標注和整理的，這意味著(zhù)這些數據對于大多數目前的監督式學(xué)習來(lái)說(shuō)并不可用。

 

      標注樣本集或許過(guò)小、或許標注存在偏差，在訓練一個(gè)復雜的遙感解譯模型時(shí)，由于大量可學(xué)習參數與訓練樣本強關(guān)聯(lián)，使用小數據集可能會(huì )導致過(guò)度擬合，最終我們得到的可能是一個(gè)僅適用于這些訓練樣本的模型，而不是從數據中學(xué)習一般概念的模型。

 

道路檢測

 

      無(wú)監督學(xué)習算法將會(huì )是解決遙感數據標注樣本稀缺的重要技術(shù)發(fā)展方向，與監督學(xué)習事先進(jìn)行標注分類(lèi)截然不同的是，無(wú)監督學(xué)習可以很好的幫助我們根據類(lèi)別未知的無(wú)標注的訓練樣本，解決遙感數據解譯中的各種問(wèn)題，使機器本身代替我們對影像數據集進(jìn)行聚類(lèi)和分析。

 

      在面對海量遙感數據時(shí)，我們要處理的不再是進(jìn)行結構化標注完善的各類(lèi)樣本，而是遙感數據本身——無(wú)監督學(xué)習。

 

決策型的人工智能解譯

 

      在實(shí)際業(yè)務(wù)場(chǎng)景中，我們需要給出的往往是一個(gè)綜合性解決方案，這意味著(zhù)解譯模型的建立必須基于多源異構遙感數據，以多類(lèi)別針對性的分析方法共同得出結論。

 

      而以往的人工智能遙感大多是對傳統數字圖像處理方法的遷移，甚至僅以統計學(xué)的理念來(lái)解決問(wèn)題。決策型的智能技術(shù)將成為未來(lái)的主流發(fā)展方向之一，這里的“決策”并不僅是利用成果幫助用戶(hù)進(jìn)行判斷，而是在智能解譯數據時(shí)讓系統自帶決策功能，如人的學(xué)習和思維一樣，在分析問(wèn)題時(shí)，利用“經(jīng)驗”自主的選擇判斷依據，對特定場(chǎng)景進(jìn)行其包括專(zhuān)業(yè)性網(wǎng)絡(luò )模型的適配、異構實(shí)體網(wǎng)絡(luò )的自主構建、多多關(guān)聯(lián)關(guān)系的動(dòng)態(tài)優(yōu)化等。

 

飛機檢測

 

      未來(lái)，當我們對細分目標對象建立了足夠多離散的智能解譯模型時(shí)，或許需要一種可以將數量龐大的模型庫總結歸納的方法，一個(gè)可以實(shí)現自我學(xué)習迭代、自我決策的系統。

 

      基于積累的模型設計經(jīng)驗，可以進(jìn)一步將模型模塊化，并建立一個(gè)模型搜索空間，通過(guò)增強學(xué)習，在搜索空間中尋找與自身問(wèn)題更匹配的針對性模型，這個(gè)模型可以被理解成各種網(wǎng)絡(luò )的網(wǎng)絡(luò )、模型的模型，分散到聚合，繁復到簡(jiǎn)約，專(zhuān)業(yè)到大眾，將使得人工智能遙感真正成為可以被廣泛深度使用，解決現實(shí)復雜業(yè)務(wù)問(wèn)題，進(jìn)而開(kāi)拓嶄新應用場(chǎng)景，產(chǎn)生巨大經(jīng)濟價(jià)值與社會(huì )效益的新型技術(shù)手段。

 

     本文轉載自商湯科技SenseTime