就在昨天,由国家自然科学基金委信息科学部,“空间信息网络基础理论与关键技术”重大研究计划指导专家组主办的遥感图像稀疏表征与智能分析竞赛,也刚刚落幕。这已经是国家自然科学基金委筹办的第三届关于遥感图像稀疏表征与智能分析的竞赛,而这三年以来随着竞赛赛题的变化,一个明显的趋势就是,遥感与人工智能的结合方式正在变得越来越丰富。
从第一年设置智能影像目标检测和智能压缩两个赛题,到第二年又增加了光学图像识别,SAR遥感图像识别,遥感卫星追踪三个赛题。而在今年,大赛在决赛中设置了基于华为昇腾AI处理器的遥感图像解译加分赛,要求参赛队伍须将决赛算法模型移植于阿特拉斯200年DK AI平台,实现算法模型的推理计算,更是切实展现了人工智能与遥感相遇创造出的无限机会。
如此一来,这次比赛中的冠军团队也就格外引人瞩目,他们的成果,或许能够给AI +遥感的未来带来更多可能。
顶峰之作:用少样本学习让遥感图像检测机智起来
在比赛中,由来自中国科学院空天信息创新研究院赵忠明,孟瑜研究员团队的邓毓弸,节永师,张懿,陈静,刘文雅组成的的“机智”队获得本次大赛的特等奖,而他们所选择的赛题就是遥感图像变化检测。
遥感图像变化检测可以对同一地点的不同时相数据进行变化检测处理,在资源和环境监测,地理国情监测,自然灾害评估等领域具有高度的实用价值。目前遥感图像变化检测的前沿算法在数据层面以及算法设计层面均具有一定局限性,导致算法在实际应用时效率低下。机智队的解决方案是应用将近两年来人工智能中非常火热的少样本学习,在数据样本相对不太丰富的前提下,尽可能通过迁移学习和样本泛化,提升数据的利用效率。最终机智队的模型在精度和效率上都表现优异,获得了整场比赛的特等奖,也证实了人工智能与遥感之间无限的契合空间。
其实细细看来本次比赛的几个单元设置,我们可以发现AI之于遥感的产业价值,正在被越来越多人认知。
在很长一段时间内,遥感技术捕捉到的信息都应用于气象,环境,地质资源,农业林业等等领域的研究与观测之中。实际遥感作为一种能够越过地理障碍对目标进行远距离测探的技术,所累积下的图像资源对于很多行业都有利用价值。但很多时候遥感图像的分析和观测还需要专家亲自参与,人力问题成了遥感图像难以被更多产业利用的关键。
这时通过人工智能技术替代人力,直接将遥感图像数据转化成可直接应用于产业的方法论工具,自然就成为了打通遥感技术产业价值的关键秘钥。
像是遥感卫星视频跟踪这一赛题,就将汽车,飞机,火车,轮船等交通工具作用跟踪对象,这一技术对于智慧物流,智慧交通等等领域都有不小的应用价值。而在遥感图像语义分割赛题中,主办方提供了包含15种典型土地利用类型的图像数据,对于这些数据的分析结果,对于智慧城市中的城市规划建设也有很高的应用价值。获得特等奖的机智队,他们提出的技术创新如果应用到人工智能防灾等领域之中,也能帮助遥感技术更好地发挥作用,对于灾害情况进行精准的分析甚至预测。
关键一招:算力如何让AI +遥感翻过三个山坡
我们注意到,机智队在最终推理环节时将计算任务分为了两部分,一部分设置在云端,另一部分则应用了边缘计算。这种分布式计算极大地提升了模型的推理效率。背后提供支持的,显然是华为为竞赛提供的阿特拉斯200年DK AI开发者套件。这一套件通过外围接口释放出了华芯为提升310片的强劲算力,更拥有快速搭建,便于迭代的特征,方便参赛开发者尽快熟悉上手,并且在不断调整策略时可以实现算法的快速更新迭代,让参赛者无需在模型与硬件之间的对接上浪费时间。
在这一案例中我们也能发觉,在人工智能与遥感结合的产业逻辑中,算力这一元素起到的作用正在越来越大。
