|
文/編輯：GIS菌 內(nèi)容來源：廣東省2021年度應(yīng)急測繪保障與安全生產(chǎn)演練暨測繪地理信息產(chǎn)業(yè)工作委員會授牌儀式《新型基礎(chǔ)測繪技術(shù)交流論壇》 | 本文約 1700 字,，閱讀約需 3 分鐘 |4月28日，廣東省2021年度應(yīng)急測繪保障與安全生產(chǎn)演練暨測繪地理信息產(chǎn)業(yè)工作委員會授牌儀式（以下簡稱“活動”）圓滿舉行,?；顒佑蓮V東省自然資源廳主辦,，廣東省國土資源測繪院,、廣東省測繪學(xué)會和珠海市自然資源局承辦,，廣東南方數(shù)碼科技股份有限公司協(xié)辦。活動同期舉行新型基礎(chǔ)測繪技術(shù)交流論壇,。中國科學(xué)院院士龔健雅受邀參與本次論壇并以《智能遙感解譯的研究進(jìn)展及存在的問題》為題作專題報告,。目前論壇直播回放已可在南方數(shù)碼生態(tài)圈平臺觀看。“人工智能的迅速發(fā)展對各行各業(yè)將造成巨大影響,，許多行業(yè)可能在這場變革中消失,，一些行業(yè)將獲得大發(fā)展。遙感是一個與人工智能關(guān)聯(lián)密切的領(lǐng)域,，我們既有發(fā)展的機遇,，也面臨很大的挑戰(zhàn)。”龔健雅院士首先以時間為線索,，為大家分享了深度學(xué)習(xí)在遙感解譯中的相關(guān)進(jìn)展,。“大概在2013,、14年,，我國學(xué)者開始用深度學(xué)習(xí)的方法進(jìn)行相關(guān)研究”，據(jù)龔健雅院士介紹,，人工智能發(fā)展的三要素分別為算力,、算法和數(shù)據(jù)，基于深度學(xué)習(xí)的基礎(chǔ)性研究主要分為兩大方面,，一方面是樣本庫的設(shè)計與標(biāo)注,，另一方面是網(wǎng)絡(luò)結(jié)構(gòu)與模型設(shè)計。而深度學(xué)習(xí)在攝影測量與遙感中的典型應(yīng)用則包括目標(biāo)檢索,、目標(biāo)檢測,、地物分類、變化檢測以及三維重建五個方面,。在樣本庫的設(shè)計與標(biāo)注方面,，龔健雅院士分享道，武漢大學(xué)已建立了一套大范圍,、高精度,、多類型開源樣本數(shù)據(jù)庫，涵蓋航片/衛(wèi)片,、多種地物類型,、多種標(biāo)注方法的樣本庫，目前已達(dá)100多萬樣本,，但還是遠(yuǎn)遠(yuǎn)不夠,。隨后，龔健雅院士以具體案例從應(yīng)用層面介紹了相關(guān)的研究進(jìn)展,。如在基于深度學(xué)習(xí)的遙感影像目標(biāo)及場景檢索方面,，2014年武漢大學(xué)肖志峰教授就嘗試直接應(yīng)用AlexNet進(jìn)行遙感影像目標(biāo)及場景檢索,，實驗結(jié)果讓人驚喜，目標(biāo)類別精度均達(dá)90%以上,。由此也證明深度學(xué)習(xí)的方法能夠解決遙感解譯應(yīng)用的問題,。在基于深度學(xué)習(xí)的密集建筑物自動檢測方面的研究中，針對小而密集建筑物的檢測,，武漢大學(xué)胡翔云團(tuán)隊提出了一種基于目標(biāo)中心點生成候選框的新方法,，該方法結(jié)合多盒評分模塊和迭代定位細(xì)化模塊來指導(dǎo)候選框的生成；而武漢大學(xué)季順平團(tuán)隊則發(fā)展一種用于提取建筑物的全卷積網(wǎng)絡(luò),，得到國際先進(jìn)的檢測結(jié)果,。其團(tuán)隊進(jìn)行的航片實驗中，查全率和準(zhǔn)確度達(dá)到95%,。藍(lán)色掩膜為檢測出的房屋,，幾乎不存在漏檢和錯檢；在基于深度學(xué)習(xí)的密集匹配和三維重建方面,，季順平團(tuán)隊提出基于CNN的航空遙感圖像稠密匹配方法,，同樣取得重要進(jìn)展。此外,，龔健雅院士還分享了基于深度學(xué)習(xí)的全要素分類,、基于多源遙感影像變化檢測等方面的研究進(jìn)度與案例。龔健雅院士認(rèn)為,，盡管目前已有不少針對利用深度學(xué)習(xí)方法進(jìn)行遙感解譯的相關(guān)研究,，但在實際應(yīng)用上仍然面臨著諸多挑戰(zhàn)，“非常遺憾地說,，（目前）我們很多的應(yīng)用,，特別是重大工程的應(yīng)用，像是國土三調(diào),，基本上沒有用到這個技術(shù),，還是靠人工?！?/span>針對深度學(xué)習(xí)在遙感解譯中面臨的挑戰(zhàn),，龔健雅院士認(rèn)為主要為以下兩點：
1、樣本數(shù)據(jù)少且散,。遙感領(lǐng)域尚無大規(guī)?！跋袼?目標(biāo)-場景”多層級任務(wù)的開放解譯數(shù)據(jù)，公開數(shù)據(jù)集缺乏統(tǒng)一格式接口,， 遠(yuǎn)不能滿足遙感智能解譯要求,；2、通用深度學(xué)習(xí)網(wǎng)絡(luò)難以用于遙感分類?；谏疃葘W(xué)習(xí)的智能遙感解譯軟件還沒有達(dá)到商業(yè)化應(yīng)用,。基于此，龔健雅院士透露,，目前他們已在推進(jìn)相關(guān)項目,，將圍繞多源遙感影像的智能識別與解譯,，開展適合于深度學(xué)習(xí)訓(xùn)練與測試用的遙感樣本數(shù)據(jù)集分類標(biāo)準(zhǔn),、標(biāo)注規(guī)范、標(biāo)注工具,、眾籌模式,、樣本庫組織管理和版權(quán)保護(hù)研究；以及針對遙感影像特點和應(yīng)用需求,，研究遙感影像深度神經(jīng)網(wǎng)絡(luò)開源架構(gòu)與模型,。報告尾聲，龔健雅院士總結(jié)道,，人工智能特別是深度學(xué)習(xí)方法已經(jīng)在遙感目標(biāo)與場景識別,、信息提取、地物分類,、變化檢測,、三維重建等方面取得重要進(jìn)展，但是還沒有達(dá)到實用的水平,。要進(jìn)一步解決人工智能方法在遙感自動解譯方面存在的問題,，需要擴(kuò)大樣本數(shù)據(jù)庫，并增加多樣性和區(qū)域性的樣本,；另一方面需要設(shè)計遙感專用的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò),，將光譜信息和地學(xué)知識融入到網(wǎng)絡(luò)框架中，使之能夠有效解決自然地理要素地物分類等難題,。
|
