本文为大家带来的演讲主题是：AI+遥感，释放每个像元价值。主要分为四个部分：遥感，即遥远的感知。1839年，第一台相机问世之后，人们尝试通过把各种成像设备放置到更高的平台，以更加宽广的视角观察我们周边的世界。
WAVE SUMMIT+2021深度学习开发者峰会
目前全球已经进入小时级的快速响应以及亚米级遥感观测大数据时代，遥感以电磁波为信息载体，极大拓展人的感知能力。遥感拓展到更加宽广的感知范围的同时，也带来更加广阔的应用前景。从遥感观测能力来看，从早些年百米级到现在米级、亚米级、厘米级的观测能力，数据量增加带来应用前景拓展，但是也给解译带来前所未有的挑战，传统人工解译难以满足数据量快速增长的需求，以至于在遥感应用面前显得束手无策。遥感信息快速自动化提取已经成为遥感整个产业链的瓶颈所在，而人工智能是近些年最新且最划有时代意义的技术，深度学习在计算机视觉等诸多领域已经取得了突破性进展，遥感图像作为一种特殊的影像必然可以享受到这种技术的红利。但是，如何把AI和遥感数据进行融合释放像元价值，这是非常值得讨论的问题。很大一定程度上得益于巨大影像库，相对自然图像而言遥感样本库少之又少，样本数量也是少之又少。主要是因为遥感样本库不仅场景、成像过程复杂，而且样本库的形成也是非常复杂的过程。我们团队经过十年工程迭代，建立了超大规模遥感样本库，有效涵盖全国范围/部分全球，可以满足五十几种产品研发和生产。2. 有了数据，怎么把影像数据输入到AI系统当中，也就是解决吃得下的问题。深度学习框架就是解决此工作的，但在面对具有多通道、大场景、具有地理坐标和丰富信息的遥感数据，现有的深度学习基础框架和针对自然图像的框架并不能很好地适用遥感数据。所以，我们基于对遥感数据的理解和在AI智能分析方面的经验，经过几年的工程研发，研究出了业界首套全遥感体系的专用深度学习框架，能够满足遥感分割分类、目标识别、变化检测和遥感参数反演。3. 深度网络模型吃下遥感数据如何消化吸收，充分提取遥感信息是释放遥感价值的关键所在。遥感具有丰富的光谱、辐射、纹理和语义等信息，其中遥感图像的“谱”特征是遥感图像和自然图象最本质的区别。但如何结合地学场景下、构建融合遥感特征的深度学习网络算法模型，这是释放遥感价值的最关键环节。例如这里的耕地在可见光影像下是一片绿，而利用多光谱图像能将不同作物进行区分，也就是利用地物的光谱信息能实现更加精准的分类。4. 如何提高模型泛化能力，实现大场景应用需求，这是开展遥感应用不得不解决的问题。遥感应用场景巨大且非常复杂，再叠加遥感成像过程的复杂，使得“同物异谱、同谱异物”现象非常普遍。以常用的水体为例，水体中泥沙和叶绿素差异、不同水质、不同温度和光照条件下都都使水体产生巨大差异；再如看似简单的室外田径场不仅自身差别大，而且有很多“李逵”来捣乱，多种因素的叠加使得在大范围内实现精确识别都非常困难。而这些问题一方面依靠我们大规模样本库，另外一方面也依靠模型算法改进加以解决。5. 如何把过程简化甚至自动化，这是遥感走向平常百姓家的前提。为此，我们研发了苍灵AI ImageBot智能简易平台，构建了从原始卫星影像到遥感专题信息产品生成的全流程、自动化、流式快速产品生产线，可实现遥感信息产品的“近实时”生产、算法与产品的“进化与迭代”。给大家看两个小视频，是我们在系统中的一些环节，左边视频是给国土资源部做的实验。用户只需要打开网页提取，在信息提取基础上做它的动态监测，提取变化信息以及对关键要素进行识别，进一步反演它的产能、状态等。右边识别是对道路、建筑物等典型人造地物进行监测，这些信息从某个意义上来说体现了遥感最本质的监测，一个是摸清家里，另一个则是动态检测。
下面这个视频是近几年研发过程中全国甚至全球范围内做的产品集中展示，这个视频也在CCTV新闻频道和晚间新闻节目报道过，我们累积到现在已经超过四十种中国目标和地理要素全方面识别。这些要素首先在技术层面涵盖了所有遥感的目标识别信息提取、全技术链条和全技术难点覆盖。其次是这些数据叠加在一起给我们提供了另外一个理解和认知世界的一种方式，例如视频里展现的是全国两米卫星图象分类结果，通过结果我们可以看到全国建筑物和道路分布情况以及如何体现出自然地理与人文发展之间的关系，同时我们也可以为全国自然资源、生态环境监测提供高精度监测数据。
前面提到地是遥感图像得到的信息，实际中遥感技术AI应用非常广泛。例如：列出的这些自然资源、城市监管、全球战略都有广泛的应用前景，都可针对不同行业做出属于自己的产品。1. 这张图是我们第一次实现了利用米级图像实现全国目标的全自动识别，我们用一台服务器在3天内完成了全国室外运动场识别，精度超过95%，也也应该是业界第一次在这么高分辨率实现全国产品生产。2. 基于这些全国规模的专题数据，即使使用简单的颜色渲染就可以把中国经济、人口发展分布勾勒地比较清晰，这也正是大数据魅力所在。3. 综合利用多种信息，通过空间分布信息和时间监测信息，能够对很多内在规律进行探寻，例如对京津冀雾霾原因的分析，很显然工业污染是最主要的雾霾元凶。综上，遥感记录了人类几十年的真实发展过程，我们利用这种AI+遥感数据可以提高快速分析能力，实现四十年沧海桑田信息变化的监测。我们也能够从全球角度来观察和思考问题。例如把全球钢铁厂、火电厂、水泥厂放在一起，从全球角度来说，有四个地区，两个欧美发达国家，两个发展中国家——印度和中国；从具体数据来看，中国占了半壁江山，这说明国家发展主要由GDP总量和增速决定的。通过这些数据，我们可以开展很多方面的应用。1. 简单总结一下，AI+遥感数据如何实现应用颠覆的？
从这个图我们可以对比，与传统物理模型相比，深度学习的生产方式不仅生产过程简单，而且成本上越来越低，精度越来越高，这也是我们追求的目标。2. 这里截取了两张生产的图，相信大家看了这张图都会有所触动，遥感和人工智能的结合，可以实现更大范围、更加丰富、更加精细的多种地表的时空要素信息，而这些信息可以给广泛的应用行业提供了赋能可能性。最后，我想说AI+遥感赋能就是一把金钥匙，我希望每个人都能拥有这样一把金钥匙。陈老师邮箱：chenzc@radi.ac.cn
文章来源：飞桨PaddlePaddle