如何更好地利用AI对遥感影像进行智能解译

近日，基于昇腾AI，北京国遥新天地的遥感影像智能解译平台解决方案与昇腾Atlas系列硬件和全场景AI框架昇思MindSpore完成兼容性测试。该方案将遥感数据处理算子与人工智能相结合，在针对SAR（合成孔径雷达）影像、光学遥感影像等150GB左右的遥感数据进行目标检测推理时，相比行业现有推理速度提升约15%。推动AI核心技术深度学习在遥感领域应用落地的同时，也为遥感的数字化转型升级助力。

伴随人工智能技术的快速发展和遥感影像应用需求的不断增加，如何更好地利用AI对遥感影像进行智能解译？如何管理海量的遥感数据？如何有效提高算法模型的推理与训练能力，进而使其在遥感数据处理上有更加出色的表现？这些问题都已成为遥感领域蓬勃发展的关键。

基于昇腾AI基础软硬件平台，依托河北人工智能计算中心，北京国遥新天地与华为共同孵化的遥感影像智能解译平台解决方案拥有以下优势：

①

硬件方面

使用昇腾Atlas系列硬件作为遥感数据处理的主要设备。由于现有目标检测算法的底层架构仍是以卷积神经网络为主的深度神经网络，其计算往往需要执行大量的乘积操作，通常是数十亿和数万亿次的迭代，运算效率很低。昇腾硬件的NPU，不仅相比于常规的深度神经网络计算模式有更高的规律性，而且针对AI算法进行了特定的调优设计，加速了算法的运行速度，解决了传统硬件在神经网络运算时效率低下的问题。

②

软件方面

深度嵌入全场景AI框架昇思MindSpore，可提供当下常用的遥感影像目标检测算法模型，其中包括在遥感目标检测上有良好检测效果的Faster R-CNN、SDD、YOLOv5等。在本方案中采用的是兼顾精度与速度的YOLOv5模型作为遥感目标检测的主要模型，如在进行一阶段检测时，YOLOv5模型能能够在保障检测精度的前提下，达到预期的检测速度。此外，AI框架昇思MindSpore所提供的目标检测模型能与昇腾Atlas系列硬件完美契合，可使算法模型更好地调用昇腾硬件的NPU完成计算过程的加速处理任务。

③

推理方面

一般情况下遥感影像是附带地理信息的tif或是tiff影像，且其大小往往是GB级的，是普通图像数据的十倍到百倍大小。这样级别的数据难以直接输入模型。因此针对遥感影像，该方案先用遥感数据处理算子对原始影像进行处理使其符合算法模型的输入标准，再对海量遥感数据做推理计算，并在推理结束后通过后处理遥感算子整合推理结果，最终获取目标所在位置的地理信息。结合实践可知，通过遥感数据处理算子与推理算法相结合的方法，可达到既缩短处理时间又提升推理速度的双重效果。

④

训练方面

首先使用基于华为的一站式开发平台ModelArts内部的样本管理界面，对存储的样本数据进行标签绘制、样本剔除等操作，方便了对遥感数据样本的管理与处理工作；

然后再使用ModelArts平台开启对模型的一键训练功能，在训练过程中可通过可视化窗口对当前训练批次、当前LOSS值等关键信息进行查看；

最后获取模型结果时通过ModelArts平台内部等代码管理模块对Learning rate、Batchsize等关键参数进行修改，并能根据不同的修改获取有对比的训练结果。总的来说，该方案将数据存储、一键启动训练、模型参数修改等功能集成在一起，可使训练过程更加流畅便捷，有效的提高遥感目标检测的效率。

截止目前，该方案已在浙江省多市县内完成试点，备受好评。例如在浙江某县所属镇上，先使用无人机采集优于5cm分辨率的高清遥感影像数据，再使用该方案提取垃圾点位、三改一拆、水利等治理要素，实现「一图感知一图统管」的目的。更进一步增加建设大屏分析决策系统，以图表的形式对治理效果进行可视化展示，实现长效治理，辅助地方管理机构进行智慧研判与科学决策。

翻看过往，可将时间回溯到2022年3月，北京国遥新天地与华为在河北人工智能计算中心初次达成合作意向。双方明确了基于昇腾AI就遥感领域进行场景化创新与应用落地，共同繁荣昇腾AI产业生态。

当前，昇腾AI产业的发展进入全面升级的新阶段，华为将携手北京国遥新天地等合作伙伴一起，凝聚各方智慧，不断突破向上，与生态伙伴共成长，以人工智能技术带动数字经济腾飞，使能千行百业智能化升级，共同推进中国人工智能产业的发展。

审核编辑：彭静

人工智能影像智能新天地

免责声明：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。