原標(biāo)題：當(dāng)遙感圖像檢測機(jī)智起來：全場景AI與遙感的頂峰邂逅

就在昨天，由國家自然科學(xué)基金委信息科學(xué)部、“空間信息網(wǎng)絡(luò)基礎(chǔ)理論與關(guān)鍵技術(shù)”重大研究計(jì)劃指導(dǎo)專家組主辦的遙感圖像稀疏表征與智能分析競賽，也剛剛落幕。這已經(jīng)是國家自然科學(xué)基金委籌辦的第三屆關(guān)于遙感圖像稀疏表征與智能分析的競賽，而這三年以來隨著競賽賽題的變化，一個(gè)明顯的趨勢就是，遙感與AI的結(jié)合方式正在變得越來越豐富。

從第一年設(shè)置智能影像目標(biāo)檢測和智能壓縮兩個(gè)賽題，到第二年又增加了光學(xué)圖像識(shí)別、SAR遙感圖像識(shí)別、遙感衛(wèi)星追蹤三個(gè)賽題。而在今年，大賽在決賽中設(shè)置了基于華為昇騰AI處理器的遙感圖像解譯加分賽，要求參賽隊(duì)伍須將決賽算法模型移植于Atlas 200 DK AI平臺(tái)，實(shí)現(xiàn)算法模型的推理計(jì)算，更是切實(shí)展現(xiàn)了AI與遙感相遇創(chuàng)造出的無限機(jī)會(huì)。

如此一來，這次比賽中的冠軍團(tuán)隊(duì)也就格外引人矚目——他們的成果，或許能夠給AI+遙感的未來帶來更多可能。

頂峰之作：用少樣本學(xué)習(xí)讓遙感圖像檢測機(jī)智起來

在比賽中，由來自中國科學(xué)院空天信息創(chuàng)新研究院趙忠明、孟瑜研究員團(tuán)隊(duì)的鄧毓弸、節(jié)永師、張懿、陳靜、劉文雅組成的的“機(jī)智隊(duì)”獲得本次大賽的特等獎(jiǎng)，而他們所選擇的賽題就是遙感圖像變化檢測。

遙感圖像變化檢測可以對同一地點(diǎn)的不同時(shí)相數(shù)據(jù)進(jìn)行變化檢測處理，在資源和環(huán)境監(jiān)測、地理國情監(jiān)測、自然災(zāi)害評估等領(lǐng)域具有高度的實(shí)用價(jià)值。目前遙感圖像變化檢測的前沿算法在數(shù)據(jù)層面以及算法設(shè)計(jì)層面均具有一定局限性，導(dǎo)致算法在實(shí)際應(yīng)用時(shí)效率低下。機(jī)智隊(duì)的解決方案是應(yīng)用將近兩年來AI中非?；馃岬纳贅颖緦W(xué)習(xí)，在數(shù)據(jù)樣本相對不太豐富的前提下，盡可能通過遷移學(xué)習(xí)和樣本泛化，提升數(shù)據(jù)的利用效率。最終機(jī)智隊(duì)的模型在精度和效率上都表現(xiàn)優(yōu)異，獲得了整場比賽的特等獎(jiǎng)，也證實(shí)了AI與遙感之間無限的契合空間。

其實(shí)細(xì)細(xì)看來本次比賽的幾個(gè)單元設(shè)置，我們可以發(fā)現(xiàn)AI之于遙感的產(chǎn)業(yè)價(jià)值，正在被越來越多人認(rèn)知。

在很長一段時(shí)間內(nèi)，遙感技術(shù)捕捉到的信息都應(yīng)用于氣象、環(huán)境、地質(zhì)資源、農(nóng)業(yè)林業(yè)等等領(lǐng)域的研究與觀測之中。實(shí)際遙感作為一種能夠越過地理障礙對目標(biāo)進(jìn)行遠(yuǎn)距離測探的技術(shù)，所累積下的圖像資源對于很多行業(yè)都有利用價(jià)值。但很多時(shí)候遙感圖像的分析和觀測還需要專家親自參與，人力問題成了遙感圖像難以被更多產(chǎn)業(yè)利用的關(guān)鍵。

這時(shí)通過AI技術(shù)替代人力，直接將遙感圖像數(shù)據(jù)轉(zhuǎn)化成可直接應(yīng)用于產(chǎn)業(yè)的方法論工具，自然就成為了打通遙感技術(shù)產(chǎn)業(yè)價(jià)值的關(guān)鍵秘鑰。

像是遙感衛(wèi)星視頻跟蹤這一賽題，就將汽車、飛機(jī)、火車、輪船等交通工具作用跟蹤對象，這一技術(shù)對于智慧物流、智慧交通等等領(lǐng)域都有不小的應(yīng)用價(jià)值。而在遙感圖像語義分割賽題中，主辦方提供了包含15種典型土地利用類型的圖像數(shù)據(jù)，對于這些數(shù)據(jù)的分析結(jié)果，對于智慧城市中的城市規(guī)劃建設(shè)也有很高的應(yīng)用價(jià)值。獲得特等獎(jiǎng)的機(jī)智隊(duì)，他們提出的技術(shù)創(chuàng)新如果應(yīng)用到AI防災(zāi)等領(lǐng)域之中，也能幫助遙感技術(shù)更好地發(fā)揮作用，對于災(zāi)害情況進(jìn)行精準(zhǔn)的分析甚至預(yù)測。

關(guān)鍵一招：算力如何讓AI+遙感翻過三個(gè)山坡

我們注意到，機(jī)智隊(duì)在最終推理環(huán)節(jié)時(shí)將計(jì)算任務(wù)分為了兩部分，一部分設(shè)置在云端，另一部分則應(yīng)用了邊緣計(jì)算。這種分布式計(jì)算極大地提升了模型的推理效率。背后提供支持的，顯然是華為為競賽提供的Atlas 200 DK AI開發(fā)者套件。這一套件通過外圍接口釋放出了華為Ascend 310芯片的強(qiáng)勁算力，更擁有快速搭建、便于迭代的特征，方便參賽開發(fā)者盡快熟悉上手，并且在不斷調(diào)整策略時(shí)可以實(shí)現(xiàn)算法的快速更新迭代，讓參賽者無需在模型與硬件之間的對接上浪費(fèi)時(shí)間。

在這一案例中我們也能發(fā)覺，在AI與遙感結(jié)合的產(chǎn)業(yè)邏輯中，算力這一元素起到的作用正在越來越大。

例如，算力在哪，AI+遙感就在哪。

處理遙感圖像，本身就意味著海量的計(jì)算需求出現(xiàn)。能否滿足不同的計(jì)算需求，也意味著AI+遙感能否潛入更多場景。例如在中低空遙感領(lǐng)域，有很多追蹤類的任務(wù)，像是追蹤災(zāi)害蔓延軌跡，或是追蹤野生動(dòng)物。這種時(shí)間緊任務(wù)重的計(jì)算工作，就考驗(yàn)著無人機(jī)、攝像頭等等終端設(shè)備中能否搭載AI算法實(shí)現(xiàn)實(shí)時(shí)識(shí)別追蹤，也就考驗(yàn)著終端的計(jì)算能力。

又比如，算力有多普惠，AI+遙感就有多普惠。

在AI時(shí)代我們可以深刻的感覺到算力如同一種貨幣，AI任務(wù)的完成需要多少成本都是明碼標(biāo)價(jià)的。但從產(chǎn)業(yè)層面來講，一定要在引入AI+遙感的成本和收益之中找到平衡、找到拐點(diǎn)，才能挖掘出AI+遙感的應(yīng)用價(jià)值。換句話說，不斷降低應(yīng)用算力的門檻和成本，才能讓更多產(chǎn)業(yè)應(yīng)用上AI+遙感。

最后還有，算力生態(tài)有多完善，AI+遙感的生態(tài)就有多完善。

當(dāng)AI賦能遙感，幫助遙感進(jìn)入產(chǎn)業(yè)化應(yīng)用時(shí)，也意味著遙感圖像將要成為企業(yè)所處理眾多數(shù)據(jù)中的一種。遙感圖像數(shù)據(jù)想要融入整體技術(shù)架構(gòu)之中，需要讓遙感數(shù)據(jù)能夠在儲(chǔ)存、傳輸和處理上與企業(yè)整體業(yè)務(wù)進(jìn)行配合。而這也往往考驗(yàn)著企業(yè)是否擁有一個(gè)完善的算力生態(tài)，來分布處理不同類型的數(shù)據(jù)，使得不同計(jì)算模式互相配合。換句話說，AI+遙感的應(yīng)用能否走向常態(tài)化，還要看算力生態(tài)是否足夠完善。

當(dāng)算力幫助AI+遙感翻過這三個(gè)山坡后，我們一定能看到遙感技術(shù)在更多產(chǎn)業(yè)中散發(fā)耀眼的光芒。

領(lǐng)攀者Atlas：全場景AI與遙感在頂峰相遇

回到賽事本身，我們可以發(fā)現(xiàn)有很多團(tuán)隊(duì)都利用了華為所提供的Atlas 200 DK AI開發(fā)者套件來解決AI+遙感中的計(jì)算需求。那么是否還能為AI+遙感提供更多驅(qū)動(dòng)？

答案是肯定的。Atlas打出的是全場景AI，面向“端、邊、云”優(yōu)化設(shè)計(jì)的全場景AI基礎(chǔ)設(shè)施方案。AI技術(shù)與遙感的結(jié)合，一方面意味著海量的計(jì)算需求，另一方面在目標(biāo)追蹤等方面的應(yīng)用上，也需要AI算法對于數(shù)據(jù)進(jìn)行實(shí)時(shí)反應(yīng)，對于端側(cè)計(jì)算同樣有很高的要求。尤其遙感技術(shù)常常被應(yīng)用于農(nóng)業(yè)、氣象、水利等等“大場景”中，自然也少不了云邊協(xié)同的需求。

通過對Atlas產(chǎn)品的整理，我們可以總結(jié)出，全場景AI幫助遙感所釋放的三種產(chǎn)業(yè)紅利：

第一是場景多樣化紅利。

Atlas 200 AI加速模塊帶來的強(qiáng)大端側(cè)算力，讓無人機(jī)、嵌入式攝像機(jī)等等遙感領(lǐng)域經(jīng)常應(yīng)用的硬件也能獲得實(shí)時(shí)計(jì)算能力，直接在端側(cè)進(jìn)行遙感數(shù)據(jù)的分析和追蹤。加上Atlas系列產(chǎn)品價(jià)格實(shí)惠，不會(huì)給產(chǎn)業(yè)端帶來太多成本壓力。從拍攝城市與農(nóng)田的無人機(jī)到衛(wèi)星上的攝像頭，都能因此獲得實(shí)時(shí)處理計(jì)算任務(wù)的能力，因此AI+遙感也可以快速在更多場景中普及。

第二是過往數(shù)據(jù)挖掘紅利。

從80年代起，中國的遙感技術(shù)就已經(jīng)開始活躍。但AI與遙感的結(jié)合，卻是從這幾年才開始的。也就是說往期累積的海量數(shù)據(jù)，都是可供利用的寶藏。最近剛剛推出的“地表最強(qiáng)”AI訓(xùn)練集群Atlas 900，所提供的強(qiáng)大算力就可以對過往數(shù)據(jù)進(jìn)行高效挖掘，進(jìn)一步推動(dòng)遙感技術(shù)的利用率。

最后還有云邊協(xié)同紅利。

華為不僅擁有提供端側(cè)算力的Atlas 200 AI加速模塊，同樣也擁有提供邊緣算力Atlas 300 AI加速卡和Atlas 500智能小站。這些產(chǎn)品的核心能力，自然來自于華為昇騰AI處理器。昇騰體系提供的，是包括了芯片、芯片使能、訓(xùn)練和推理框架和應(yīng)用使能在內(nèi)的全堆棧方案，以及包括云端、邊緣、物聯(lián)網(wǎng)行業(yè)終端以及消費(fèi)類終端等在內(nèi)的全場景部署環(huán)境。如此一來形成的通路，也可以讓AI遙感通過云邊協(xié)同實(shí)現(xiàn)業(yè)務(wù)的高拓展性、降低延遲，便于未來開發(fā)，從而進(jìn)一步適應(yīng)產(chǎn)業(yè)需求。

在Atlas帶來的幾重紅利之下，AI與遙感實(shí)現(xiàn)了一種跨越式的結(jié)合：AI不僅加速了遙感在科研中的應(yīng)用，更幫助遙感在產(chǎn)業(yè)化、商業(yè)化之路上向前飛奔。

結(jié)束語

不難發(fā)現(xiàn)，在全場景框架之下，AI與遙感的結(jié)合如同頂峰相遇。遙感技術(shù)的應(yīng)用補(bǔ)充了對于物理世界圖像化捕捉的重要一環(huán)——從面孔之微到星云之著，都可以化作供給計(jì)算機(jī)理解分析的圖像數(shù)據(jù)。而全場景AI提供的，是讓計(jì)算機(jī)更高效理解遙感圖像的契機(jī)，在中高空追逐珍惜野生動(dòng)物的無人機(jī)中，在通過幾十年來氣象遙感圖像分析氣候變化的服務(wù)器里。

而計(jì)算，或許就是牽引兩人共赴頂峰的登山繩，讓AI與遙感從此有了追求共同目標(biāo)的可能。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。