任何颠覆性新(xīn)技術由願景到成熟應用，從“思想火(huǒ)花”到“物質成品”都有一(yī)個(gè)發展過程。遙感技術誕生(shēng)于20世紀60年代，經過幾十年的迅速發展，成為(wèi)一(yī)門實用、先進的空間(jiān)探測技術。

 

      未來(lái)十年，遙感是否可以深刻地影響社會發展，切實解決生(shēng)産生(shēng)活中的問題，兼具普适性和經濟價值，其關(guān)鍵點在于對遙感數據的解譯和應用。如(rú)果人(rén)工智能(néng)技術與遙感的結合打開未來(lái)遙感行業應用大門，這(zhè)将帶來(lái)怎樣的變革呢(ne)？

 

      傳統遙感解譯技術對精準快(kuài)速的處理(lǐ)效果不理(lǐ)想，對精細化(huà)狀态分(fēn)析缺乏有效手段。最為(wèi)掣肘的是圖像解譯方法主要依賴人(rén)工判讀和半自動化(huà)軟件解譯，這(zhè)使得遙感應用無法從根本上(shàng)脫離其勞動密集型的“傳統”。

 

      多源遙感數據量的激增、遙感數據分(fēn)析市(shì)場(chǎng)的巨大前景和傳統遙感技術的瓶頸三者之間(jiān)的溝壑急需一(yī)種全新(xīn)的高效、精準、便捷的技術手段來(lái)填平。

 

      遙感技術與人(rén)工智能(néng)技術的結合，将人(rén)工智能(néng)賦能(néng)遙感技術，貫穿海量多源異構數據從處理(lǐ)分(fēn)析到共享應用的全鏈路(lù)，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(shēng)新(xīn)的遙感應用領域，促進遙感技術應用的變革。

 

2019世界人(rén)工智能(néng)大會期間(jiān)

商(shāng)湯為(wèi)世博園區做的城市(shì)變化(huà)監測

 

  AI+遙感在部分(fēn)應用場(chǎng)景中面臨巨大挑戰

 

      伴随着人(rén)工智能(néng)技術近年來(lái)的蓬勃發展和廣泛應用，遙感技術對新(xīn)型解譯能(néng)力的需求迫切，越來(lái)越多的高科技公司和科研院校(xiào)已着手嘗試利用深度學習解決海量遙感影像的解譯問題，并取得了(le)一(yī)些(xiē)階段性進展，付諸于遙感行業應用上(shàng)。

 

      其中較為(wèi)典型的例子(zǐ)，如(rú)商(shāng)湯科技在2019年WGDC上(shàng)發布的SenseEarth智能(néng)遙感在線解譯平台和其背後作(zuò)為(wèi)支撐的SenseRemote智能(néng)遙感解譯系列産品，其像素級解譯分(fēn)類精度超過 95%、目标檢測準确率優于 98%；适用于包括目标檢測、變化(huà)檢測、地表信息提取、土(tǔ)地利用類型分(fēn)類等多個(gè)遙感應用場(chǎng)景。

 

      然而，雖然現(xiàn)階段人(rén)工智能(néng)與遙感技術的結合已經取得了(le)一(yī)些(xiē)進展，在部分(fēn)應用場(chǎng)景中利用深度學習技術解譯遙感影像的處理(lǐ)精度、效率和自動化(huà)程度都有較為(wèi)明顯的提升，我們卻不得不正視(shì)目前成果的局限性和未來(lái)發展所面對的巨大挑戰。

 

      首先，目前大部分(fēn)人(rén)工智能(néng)遙感應用均采取監督學習的方法，利用此類技術對海量遙感數據進行智能(néng)解譯的基礎，是前置的對同樣海量特定解譯對象已标注樣本的訓練工作(zuò)；而遙感應用場(chǎng)景的豐富性，多樣性，甚至同一(yī)解譯對象在不同空間(jiān)、時(shí)間(jiān)維度下(xià)所展現(xiàn)出不同的特性，使數據樣本的複雜性呈幾何倍數的增長，導緻可以将大部分(fēn)遙感應用領域中正确标注的樣本集合成庫，從而訓練出有效解譯模型的可能(néng)性極低(dī)。

 

      這(zhè)種複雜性使得基于監督學習方式，通過深度學習方法得到的遙感智能(néng)解譯模型很難具備普适性和複用性。

 

徐州市(shì)沛縣冬小麥提取

 

      其次，遙感數據來(lái)源的多元異構化(huà)，不同遙感平台，不同載荷成像機理(lǐ)，不同的空間(jiān)時(shí)間(jiān)光譜分(fēn)辨率、精度、時(shí)效性等等都給遙感數據的一(yī)緻性處理(lǐ)帶來(lái)巨大的挑戰，如(rú)何利用多源異構數據構建“一(yī)張圖”式的應用場(chǎng)景，使得人(rén)工智能(néng)技術可以便捷地解決海量異構數據時(shí)空信息提取分(fēn)析困難的問題将是破局遙感行業發展桎梏的重中之重。

 

建築物檢測

 

      第三，鑒于人(rén)工智能(néng)遙感技術發展的綜合性，其發展不僅僅依賴遙感與人(rén)工智能(néng)自身(shēn)的技術叠代和發展，計算(suàn)機技術、神經科學等與之相關(guān)聯各個(gè)領域的技術與理(lǐ)論革新(xīn)都會一(yī)定程度上(shàng)影響着人(rén)工智能(néng)遙感行業的前行速度，這(zhè)使得人(rén)工智能(néng)+遙感技術在産生(shēng)廣泛的經濟效益前，存在着漫長的研發周期和風(fēng)險成本。

 

  人(rén)工智能(néng)遙感的未來(lái)在哪裏

 

樣本積累

 

      鑒于現(xiàn)階段構建人(rén)工智能(néng)遙感解譯深度學習算(suàn)法模型對海量标注樣本的依賴，利用雲、區塊鏈等新(xīn)興網絡共享技術，将散落在各個(gè)行業領域中遙感樣本關(guān)聯整合起來(lái)，互為(wèi)補充，同時(shí)利用數據仿真技術的發展，共同構建屬于大行業範疇的解譯模型庫也(yě)許是解決智能(néng)遙感技術發展中樣本不足的途徑之一(yī)。

 

      在SenseEarth智能(néng)遙感在線解譯平台的規劃中提到，“在未來(lái)，一(yī)個(gè)輕量級在線樣本訓練平台系統将搭載上(shàng)線，希望借此與用戶将産生(shēng)更多的交流與合作(zuò)，以商(shāng)湯的前沿算(suàn)法儲備和雄厚計算(suàn)資源與全領域用戶手中的存量樣本數據産生(shēng)火(huǒ)花，共同擴展遙感樣本庫，訓練出更多更精準覆蓋全領域的解譯模型，以知識共享的理(lǐ)念推動AI+遙感的發展進程。”

 

SenseEarth智能(néng)遙感影像解譯平台

用地分(fēn)類演示

 

無監督學習

 

      從另一(yī)個(gè)角度來(lái)看，目前深度學習的基礎是對大量被正确标注的結構化(huà)樣本數據的訓練，然而遙感數據大部分(fēn)是未經标注和整理(lǐ)的，這(zhè)意味着這(zhè)些(xiē)數據對于大多數目前的監督式學習來(lái)說(shuō)并不可用。

 

      标注樣本集或許過小、或許标注存在偏差，在訓練一(yī)個(gè)複雜的遙感解譯模型時(shí)，由于大量可學習參數與訓練樣本強關(guān)聯，使用小數據集可能(néng)會導緻過度拟合，最終我們得到的可能(néng)是一(yī)個(gè)僅适用于這(zhè)些(xiē)訓練樣本的模型，而不是從數據中學習一(yī)般概念的模型。

 

道路(lù)檢測

 

      無監督學習算(suàn)法将會是解決遙感數據标注樣本稀缺的重要技術發展方向，與監督學習事(shì)先進行标注分(fēn)類截然不同的是，無監督學習可以很好(hǎo)(hǎo)的幫助我們根據類别未知的無标注的訓練樣本，解決遙感數據解譯中的各種問題，使機器(qì)本身(shēn)代替我們對影像數據集進行聚類和分(fēn)析。

 

      在面對海量遙感數據時(shí)，我們要處理(lǐ)的不再是進行結構化(huà)标注完善的各類樣本，而是遙感數據本身(shēn)——無監督學習。

 

決策型的人(rén)工智能(néng)解譯

 

      在實際業務(wù)場(chǎng)景中，我們需要給出的往往是一(yī)個(gè)綜合性解決方案，這(zhè)意味着解譯模型的建立必須基于多源異構遙感數據，以多類别針對性的分(fēn)析方法共同得出結論。

 

      而以往的人(rén)工智能(néng)遙感大多是對傳統數字圖像處理(lǐ)方法的遷移，甚至僅以統計學的理(lǐ)念來(lái)解決問題。決策型的智能(néng)技術将成為(wèi)未來(lái)的主流發展方向之一(yī)，這(zhè)裏的“決策”并不僅是利用成果幫助用戶進行判斷，而是在智能(néng)解譯數據時(shí)讓系統自帶決策功能(néng)，如(rú)人(rén)的學習和思維一(yī)樣，在分(fēn)析問題時(shí)，利用“經驗”自主的選擇判斷依據，對特定場(chǎng)景進行其包括專業性網絡模型的适配、異構實體(tǐ)網絡的自主構建、多多關(guān)聯關(guān)系的動态優化(huà)等。

 

飛機檢測

 

      未來(lái)，當我們對細分(fēn)目标對象建立了(le)足夠多離散的智能(néng)解譯模型時(shí)，或許需要一(yī)種可以将數量龐大的模型庫總結歸納的方法，一(yī)個(gè)可以實現(xiàn)自我學習叠代、自我決策的系統。

 

      基于積累的模型設計經驗，可以進一(yī)步将模型模塊化(huà)，并建立一(yī)個(gè)模型搜索空間(jiān)，通過增強學習，在搜索空間(jiān)中尋找與自身(shēn)問題更匹配的針對性模型，這(zhè)個(gè)模型可以被理(lǐ)解成各種網絡的網絡、模型的模型，分(fēn)散到聚合，繁複到簡約，專業到大衆，将使得人(rén)工智能(néng)遙感真正成為(wèi)可以被廣泛深度使用，解決現(xiàn)實複雜業務(wù)問題，進而開拓嶄新(xīn)應用場(chǎng)景，産生(shēng)巨大經濟價值與社會效益的新(xīn)型技術手段。

 

     本文轉載自商(shāng)湯科技SenseTime