本文来源于：人民网作者：龚健雅新一轮科技革命和产业变革的大幕早已掀开。作为全球科技竞争的制高点，人工智能已经成为世界主要国家推动科技跨越式发展、实现产业优化升级、赢得全球竞争主动权的关键抓手。在我国，人工智能更是上升到国家战略。随着人工智能的深入发展及其与各行业的深度融合，跨领域、全格局正在成为新趋势。许多行业可能在这一变革中消失，而其他一些行业则会获得快速发展。遥感是与人工智能紧密关联的领域，应用人工智能技术实现遥感影像的自动解译意义重大。智能遥感解译技术可广泛应用于国土资源与环境监测、农作物监测与估产、森林碳汇估算等许多领域，是国家的战略需求，相关研究和探索一直以来备受关注。感解译是深度学习与遥感应用深度耦合的交叉领域本次人工智能的热潮是从深度学习方法成功用于图像识别等领域开始，并在指纹识别、人脸识别等方面已得到广泛应用。遥感作为一种特殊的图像，早在2013年国内外学者就开始利用深度学习方法进行智能遥感解译的研究，涵盖目标与场景检索、目标检测、地物分类、变化检测、三维重建等多个应用场景，并取得了诸多研究成果。虽然深度学习方法在场景检索、目标检测等方面取得重要进展，并有部分成果达到了实用化水平。但是由于遥感影像比人脸识别的影像复杂得多，目前智能遥感解译方法并没有得到广泛应用，特别是在自然地物分类方面还难以满足业务化的应用需求，我国地理国情监测和第三次国土资源调查等重大工程主要还是采用人工解译的方法。由于遥感影像和应用具有特殊性，通用人工智能方法在遥感智能解译方面遇到了挑战。与人工智能的数据、算法及算力三要素相似，智能遥感解译也有三大核心要素，遥感影像样本库、遥感智能解译的算法与模型、能够进行大规模计算的硬件平台。目前算力基础设施可以采用通用硬件平台，但是由于遥感影像的特殊性和应用的多样性，需要构建一个开放、统一基准的影像样本库，和高效、可靠的遥感解译框架与模型。智能遥感解译研究面临的挑战与可行性对策尽管目前已有不少利用深度学习方法进行遥感解译的相关研究，但在实际应用上，影像样本库、深度学习框架以及AI算力等方面依然存在着挑战。首先，大规模样本库是遥感智能解译的数据驱动，但目前遥感领域尚无大规模“像素-目标-场景”多层级多任务，涵盖目标检索、目标检测、地物分类、变化检测、三维重建的开放解译样本库，公开数据集缺乏统一格式接口和标准规范，远不能满足遥感智能解译要求，亟需突破已有样本库的不完善造成的模型局限性，使得样本库能够智能扩展与精化，实现样本库的可持续构建。其次，通用深度学习网络难以用于遥感地物分类等应用场景，还没有达到商业化应用水平。在遥感专用深度学习框架模型中，需要顾及多维时空谱特性，满足高效灵活的内存自动扩展、尺度与通道的自适应优选要求。最后，虽然通过遥感深度神经网络可以训练专用模型，但由于算力昂贵且不足的问题突出，在未来数据集丰富后，如何高效利用已有算力解决自然地理要素地物分类等难题仍是很大的挑战。如何解决这些问题？经过多年的研究，笔者认为有三个对策方向可以参考。第一、围绕多源遥感影像的智能识别与解译，开展适合于遥感影像深度学习训练与测试用的样本库类型动态扩展与自动精化机制研究；第二、针对遥感影像特点和应用需求，研究遥感影像深度神经网络开源架构与模型，构建顾及遥感特性的专用遥感网络模型；第三、依托集约型算力基础设施，如武汉人工智能计算中心，高效利用其公共普惠算力，同时发挥其应用创新孵化以及智能遥感领域人才培养的赋能作用，为智能遥感解译研究提供源源不竭的动力。武汉大学提供智能遥感解译研究方案围绕国家重大需求，武汉大学建立了中国第一个测绘遥感学科国家级重点实验室——测绘遥感信息工程国家重点实验室，开展包括航空航天摄影测量、空间信息系统与服务、遥感信息处理、3S集成与网络通信及导航定位与位置服务等在内的针对性研究。具体落实到智能遥感解译研究，我们始终保持探索。2020年，武汉大学测绘遥感信息工程国家重点实验室和遥感信息工程学院申请获批了国家自然科学基金委“空间信息网络”重大计划集成项目“大规模遥感影像样本库构建及开源遥感深度网络框架模型研究”，目标是构建大规模遥感影像样本库和专用遥感深度学习网络框架与模型。项目明确提出了”五个一”的研发目标，即“一套”遥感框架与模型、“一个”样本库、“一套”众包样本采集工具、“一个”开源遥感智能解译社区和“一系列”研究与应用成果。目前，该项目组与华为保持着深度合作，致力于打造遥感影像样本库（LuojiaSet）和遥感影像专用框架（LuojiaNet），为自然资源监测、社会经济发展评估、灾害应急等重大科研任务提供技术、平台及应用支撑，助力建设中国遥感科研生态圈，推进中国遥感产业化应用。作为遥感影像样本库，LuojiaSet力图构建完备的遥感影像样本库，持续精化影像样本，使能模型可逐步进化。目前，项目组已完成五大类遥感典型任务的影像样本库概念、逻辑、物理设计，从区域到全球样本数量达500万以上。而遥感影像专用框架——LuojiaNet，与华为昇腾AI计算框架MindSpore团队密切合作打造而成，其可兼容其它计算构架和深度学习框架，具有高效的开发及运行能力，可实现遥感特性嵌入，能处理“大幅面，多通道”遥感影像，通过深度神经网络与遥感知识图谱推理深度耦合，实现遥感特性的全面优化。同时，融合全栈国产AI系统打造的遥感影像样本库及专用框架，在信息数据安全及技术应用的自主性方面，为我国的智能遥感研究筑起了一座牢固的安全堡垒，对于提升我国遥感领域研究竞争力具有重要意义。从未来产业应用方向来看，人工智能特别是深度学习方法已经在遥感目标与场景识别、信息提取、地物分类、变化检测、三维重建等方面取得重要进展，但还没有达到实用的水平。要进一步解决人工智能方法在遥感自动解译方面存在的问题，需要继续扩大样本数据库，并增加多样性和区域性的样本；另一方面需要设计遥感专用的深度学习神经网络，将光谱信息和地学知识融入到网络中，使之能够有效解决自然地理要素地物分类等难题。这无疑都需要依托于我国人工智能安全自主的核心技术和基础设施的发展，助力智能遥感解译研究等科研创新突破，实现产业生态繁荣。MindSpore官方资料GitHub : https://github.com/mindspore-ai/mindsporeGitee:https : //gitee.com/mindspore/mindspore官方QQ群 : 871543426长按下方二维码加入MindSpore项目↓

全球遥感产业发展正迎来爆发期。遥感，就算你不了解它，但也不代表你不会用到它。无论是在天气、环境保护、经济、保险等行业，还是日常生活中的导航、遥控无人机，实际上都离不开遥感技术的广泛支持。诞生于20世纪60年代的遥感技术，经过几十年的迅速发展，目前已被广泛应用于各行各业，为人类带来巨大的价值。随着云计算、人工智能、5G等技术的飞速融合发展，遥感产业的发展进入了智能化时代。遥感产业的挑战和智能化机遇当前，全球遥感产业发展正迎来爆发期。据中国四维测绘技术有限公司总经理徐文透露，遥感卫星市场目前已是通、导、遥三大细分市场中发展最快的一个，2010年至2018年，全球遥感卫星服务收入年复合增长8.3%。有统计数据显示，在过去5年，每年平均有12颗遥感卫星发射，未来5年，每年平均将有25颗遥感卫星发射。随着发射数量的激增，遥感卫星占在轨卫星比例也在迅速上升，已从2012年的10%，迅速攀升至2018年的27%。与此同时，产业应用增长速度也较快。徐文表示，自2013年以来，应用领域年复合增长率达92%，近三年更是保持15%的增速。实际上，在过去20年来，中国遥感卫星技术已经实现了从无到有，自主可控的大踏步发展。据悉，光是2020-2023年间中国将陆续发射15颗遥感卫星，预计2020年在轨遥感卫星将有200颗。尽管如此，遥感产业的发展仍然面临诸多制约和挑战。如今随着遥感卫星的增多、高分辨率趋势明显，遥感数据量激增，用于处理这些数据的算力明显不足。此外，用户获取数据的流程较长、数据更新速度慢、遥感数据加工工序多难度大，导致数据获取效率低、成本高的问题日益突出，行业急需一种全新、高效、智能、便捷的技术手段来弥补这些缺陷。在云+AI+5G时代，遥感行业尽管面对着很大的挑战，但也同时面临着很大的机遇，人工智能与大数据技术激发遥感应用创新，智能化升级已成大势所趋。利用云计算强大的算力和可靠的存储，可以助力遥感数据加工处理更高效、成本更低；利用云端人工智能可以自动实现遥感行业的增值服务，例如变化检测服务的人工智能自动识别，相比传统模式依赖遥感行业专家人工效率得到极大提升；而5G的普及必将使得从云端获取遥感数据及服务就如同在本地读取数据一样流畅。中国四维测绘技术有限公司董事长、中国资源卫星应用中心主任徐文表示，目前欧美等国家在遥感行业智能升级上处于领先地位。早在2017年，美国商业遥感卫星代表企业MAXAR公司就开始“All-in on AWS”，目前已实现全部遥感卫星数据云上运维。同时，它还投资配套建设了AI智能应用系统和云上卫星接收站，实现了从太空到用户的云际联接。此外，欧盟在2018年就建成并启动了“哥白尼”云平台, 平台成为“海量卫星数据应用的最佳土壤”。预计将带动下游产业价值超200亿欧元，欧洲遥感卫星产业链与产业模式将发生重大变革。可以看到，在云+AI+5G技术的共同赋能下，遥感产业犹如坐上了“火箭”，正迅速迎来新的爆发期。华为云如何使能中国遥感产业？如今，“上云”已是大势所趋，也逐渐成为各行各业的共识，今天我国的遥感产业也正在迅速迎头赶上。伴随着云计算、人工智能和5G技术的蓬勃发展和广泛应用，越来越多的中国高科技公司已着手尝试利用新型技术来解决遥感产业遇到的问题，并取得了阶段性的进展。在1月8日举行的华为云遥感产业高峰论坛上，从华为云带来的解决方案“GeoGenius-遥感智能体”，就可以一窥中国云计算企业在赋能遥感产业方面到底有哪些技术突破和积累。据介绍，“GeoGenius-遥感智能体”可提供包括数据管理平台和智能计算平台在内的一站式全流程遥感智能开发云平台，帮助用户聚焦挖掘时空数据核心价值。其中，数据管理平台可实现多场景多类型的海量时空数据，智能数据湖统一管理；智能计算平台可提供全流程的AI开发服务。此外，智能计算平台从AI训练到推理再到验证分析的流水线式的拖拉拽任务编排，模型开发甚至可缩短到“天”，相比传统线下AI开发需5-6天，效率提升了5-6倍。据介绍，“GeoGenius-遥感智能体”在这方面的技术优势十分明显。如其在EB级的分布式储存能力，EB级可伸缩储存，同时具有高可靠性；数据冷热分离存储，成本降低50%，访问性能能提升30%。作为高性能AI一站式开发平台，其可适配多种深度学习训练引擎、知识模型快速训练成型、观察结果快速呈现，可实现模型开发周期缩短到“天”。依靠其提供的统一的分布式并行计算引擎、Self-Driving业务驱动、自适应的大数据+AI双引擎和弹性调度、计算弹性无限扩展的能力可提供超大规模的并行算力。此外，在昇腾AI处理器、华为云鲲鹏云服务等全栈AI技术的加持下，可提供超高性价比的计算能力。据华为云中国区总裁洪方明介绍，该技术目前已被应用至两期影像全要素变化监测、影像全要素地物提取分类、无人机影像车辆识别、近海岸线水质趋势分析、高分影像水指数提取，以及一带一路地区历年干旱指数提取等案例实践中去。华为云还携手生态伙伴正共建从数据接收处理，到数据预处理、数据增值加工和应用服务开发的全行业链全栈解决方案。在数据接收处理上，卫星制造商、地面接收站通过“传感器+AI”、专线直通上云，可实现卫星即服务。在数据预处理上，卫星中心和自然资源分中心通过微服务化和容器化，可实现预处理软件系统云化集成。在数据增值加工阶段，遥感应用中心、信息中心，可通过云山工作站，实现加工软件云化、自动化。最后，在应用服务开发阶段，遥感应用中心、应用服务提供商，可通过基于遥感智能云平台，实现数据、算法、软件集成和二次开发，整个流程方便了不少，大大提升了效率。可以看到，“GeoGenius-遥感智能体”通过将人工智能、云计算等技术赋能遥感产业，贯穿从数据存储、到分析处理再到应用开发的全链路以来，大大促进了遥感产业的加速变革。遥感产业上云正当时实际上，在GeoGenius-遥感智能体推出之前，华为云就有着丰富的使能中国遥感产业的成功先例可循。去年11月6日，在澳大利亚举行的GEO 2019年会议周上，中国国家航天局推出了“中国国家航天局高分卫星16米数据共享服务平台”，宣布将中国高分16米数据对外开放共享。此次共享将让95%的没有卫星发射能力的国家享受到中国高分卫星数据对外开放共享的红利。这一决策的背后是中国国家航天局基于华为云的跨区域部署，利用华为云的全球布局的优势，为全球用户提供服务。该平台应用主要由中科星图、航天宏图、中国资源卫星应用中心等多家单位共同研制创建。据洪方明介绍，华为云此前还与中国资源卫星应用中心合作，双方共同发布了四维地球遥感解决方案。该方案可提供包括基础影像底图、每日新图在内的通用遥感产品服务，大幅降低遥感数据使用门槛，实现按需、准实时云端提供高质量遥感数据。还能提供包括目标识别、变化检测在内的智能信息产品服务，大幅降低人工判图时间，实现利用人工智能快速准确识别地物、检测变化等信息。此外，还包括网络地图服务、网络地图切片服务在内的应用开发服务及标准国际开放地理组织接口和表述性状态传递接口，可直接支持智慧城市平台、业务系统、手机APP以及各行业应用软件调用，实现联接政府、企业、公众等海量用户应用。这正是综合运用大数据、云计算、人工智能、5G等技术构建的业界典型案例之一。此外，华为云还与中科天塔合作，其航天器测控管理与空间信息应用服务平台-航天云立方目前已经在华为云稳定运行。据介绍，航天云立方平台完全基于华为云公有云架构进行了全新设计构建，将为各类用户提供在轨航天器与地面测运控资源的访问、控制和管理服务，通过标准化的信息接口向行业用户提供随时随地的航天资源访问能力，实现了信息透明、状态共享与并发操作。航天云立方的所有底层框架服务和上层应用全部基于华为公司国产鲲鹏服务器构建，具有自主、安全、可靠的特点。如利用最新Docker容器技术所研发的轨道与控制计算微服务架构，在国内首次实现支持高并发访问的轨道控制计算接口和多语言版本的SDK开发包，能够为行业用户提供随时可用的高精度的计算与分析服务。实际上，上述案例仅是遥感行业智能化升级的开始，未来十年，中国的遥感行业想要有更加长足的发展，其关键点就在于抓住智能化升级的大潮。在华为云等平台的共同使能下，中国遥感产业智能化升级正步入快车道。

合作协议签约仪式关于此次合作签约，龚健雅院士指出： 遥感对地观测技术在国土资源规划、自然环境监测等领域广泛应用，是国家的战略需求。武大遥感专业在全球处于领先地位，但由于领域性质特征，遥感影像解译比通用图像识别问题更为复杂，目前遥感测图任务大多依赖人工解译，急需结合AI来解决这项难题。 同时，遥感影像处理的深度学习技术，亟需大规模的遥感影像样本库，以及具有遥感特性的深度学习框架和模型来进行支持，这也是产业界的迫切需求。希望此次和华为合作，发挥双方优势资源，共同开展遥感影像智能处理研究，解决遥感领域的技术难题。 许映童表示： AI只有与场景应用结合才能发挥最大价值，遥感是关乎国计民生的技术，需要企业与科研院所一起进行投入，发挥各自优势，才能更快、更好地催熟产业。 武汉大学的遥感技术在全球都是标杆，有深厚的技术积累；华为坚持做好基础软硬件平台，能够结合遥感应用需求进行包含CANN和MindSpore在内的深度底层优化，更好地使能遥感应用，赋能遥感科研及行业应用生态。 会上，武汉大学遥感信息工程学院副院长乐鹏介绍了双方合作的重点与展望。双方相关负责人就遥感领域开展的人工智能项目合作，包含技术、平台、应用等方面的具体内容展开讨论，就遥感特性框架的MindSpore支持与优化、数据样本库与众包样本采集工具的发布、开源遥感社区的合作运营等方面，进行了规划。 此次合作是继武大与华为共建“智能基座”、空间信息技术创新实验室基金后的又一项具有重大意义的合作，不仅可以加速武大在遥感领域的科研成果落地湖北，助力国内遥感应用孵化，同时，还将填补遥感领域自主专用深度学习框架的空白，为自然资源监测、社会经济发展评估、人道主义援助等国家级重大科研任务提供技术、平台及应用支撑，进一步带动遥感产业加速发展。 MindSpore官方资料 GitHub : https://github.com/mindspore-ai/mindsporeGitee:https : //gitee.com/mindspore/mindspore 官方QQ群 : 871543426 长按下方二维码加入MindSpore项目↓

做完第三章的图像分割作业，但是在遥感图像分割任务上面效果不是特别好，是否可以推荐一些在遥感图像分割方面比较好的算法呢？

关键字：遥感图像处理、人工智能、软件开发云教育解决方案介绍：大连海事大学（原大连海运学院）是交通运输部所属的全国重点大学，是国家“211工程”重点建设高校、国家“双一流”建设高校。学校素有“航海家的摇篮”之称，是中国著名的高等航海学府，是被国际海事组织认定的世界上少数几所“享有国际盛誉”的海事院校之一。遥感图像处理(processing of remote sensing image data)是对遥感图像进行辐射校正和几何纠正、图像整饰、投影变换、镶嵌、特征提取、分类以及各种专题处理等一系列操作，以求达到预期目的的技术。解决方案：人工智能涵盖的深度学习技术具有特征学习和深层结构两个特点，有利于遥感图像分类精度的提升。特征学习能够根据不同的应用自动从海量数据中学习到所需的高级特征表示，更能表达数据的内在信息。因此，AI已经逐步成为遥感图像处理研究中的热点与趋势。借于当前人工智能，机器学习技术在大数据图像处理，图像分析领域中的突破与成果，大连海事大学将传统遥感图像处理课程结合华为软件开发云教育解决方案，引入华为云Classroom智能教学平台与《人工智能：算法与实践》课程，为该专业课程学生提供优秀的理论+动手实践环境外，更赋予前沿技术，热门知识等（人工智能，机器学习算法）的学习。新课程大大提升了学生对遥感图像处理的多方面理论，Python语言编程能力和人工智能相关算法应用能力，同时平台自动判题功能更减轻了老师批改代码习题的工作量。课程目的：了解遥感图像的基本原理 ( 成像机理、图像特征）学习遥感图像的校正恢复以及分析处理的基本算法了解遥感图像处理的前沿知识通过习题实践掌握遥感影像处理的基本方法课程大纲：AI基础习题示例：学生作业与老师批改界面：专家现场培训：

中国人自己的遥感系列处理软件正式入驻华为云市场，开启遥感服务新模式！PIE（Pixel Information Expert）系列产品是北京航天宏图信息技术股份有限公司自主研发的一款专业的遥感影像处理软件，提供面向航天、航空等多源异构遥感图像的处理、辅助解译、信息提取及专题制图能力，特别是在国产卫星数据的支持和处理方面独具优势，是一套高度自动化、简单易用的遥感工程化应用平台，已广泛应用于气象、海洋、水利、农业、林业、国土、减灾、环保等多个领域。PIE致力于打造中国人自己的遥感软件，经过多年发展，PIE总体水平已比肩国外主流遥感软件，成为入围中央国家机关软件协议供货清单的唯一遥感类产品。1、产品特色2、产品体系3、行业应用方向