数慧AI+遥感智能解译框架
从本篇开始，将进入第四个技术专题：AI技术系列。由于AI技术领域较为广泛，本专题将重点聚焦数慧遥感智能解译框架、AI+遥感应用案例分享以及语音识别、文本识别等相关AI技术及应用的分享。
随着人工智能技术的不断兴起，数慧也积极与华为等大厂以及武汉大学等高校开展产学研合作，也取得了初步成果。人工智能主要划分为两大类：弱人工智能（Artificial Narrow Intelligence，ANI）与强人工智能（Artificial General Super Intelligence，AGI）；弱人工智能只能完成单一、特定的任务，而强人工智能可以在各方面与人类的技能相类似。
在自然资源行业，各地也相继围绕AI+空间技术建设各类“大脑”类平台应用，如：空间大脑、自然资源大脑等。整体框架如下：
其中，AI关键领域技术主要包括三大类：智能语音技术（语音识别、语音合成、声纹识别、语音评测等）、自然语言处理（文本分类、信息抽取、情感分析、机器翻译等）、计算机视觉（图像分类、目标检测、目标跟踪、图像分割等）。
目前遥感影像数据处理技术，主要两大方向：一是偏数据管理方面，也就是大数据方向；二是智能化解译方面，也就是偏人工智能方向。
遥感数据管理
遥感数据，通常数据量比较大，数据种类超过20多种，数据集160多个，对数据的处理计算、存储要求都比较高，遥感大数据技术一般包括以遥感数据为主的多种数据的收集、处理、存储、分发等方面，主要解决获取数据困难、多种不同数据处理繁琐、存储算力要求比较高的问题，关键技术是自动化并行高效的数据处理计算技术，目前大多采用对图形算子进行封装，采用可视化图形配置构建、分布式多任务并行处理计算，提供类似Python等开发环境进行二次扩展开发。
遥感智能解译
遥感数据受气象、地形等成像条件的影响，易造成数据缺失，给目标模型的解译精度、泛化能力带来很大的挑战。需要对包含任意数量波段的数据以及多时相数据进行影像配准、影像去雾、辐射校正、光谱降维等数据预处理，提供目标检测、场景分类、变化检测等智能解译任务模型。
数慧AI+遥感智能解译总体架构
结合自然资源行业应用需求，基于华为AI平台、开源深度学习技术、遥感影像数据处理等技术，数慧公司搭建了一套面向自然资源行业应用的AI+遥感智能解译框架，总体架构如下图所示⬇️
-数慧AI+遥感智能解译总体架构-
在总体架构中，华为AI平台主要提供基础算力、基础模型及基础算法等能力。深度学习框架提供模拟人脑进行分析学习的神经网络，并提供模仿人脑的机制来解释数据，认识数据的能力；同时提供可视化配置管理工具，方便对影像数据处理、模型训练调试、应用效果展示等；另外支持REST服务、Python/C++接口，方便扩展定制和现有系统的集成应用；同时，平台支持空间数据和非空间数据的训练学习，并在最新学习模型的基础上，对模型进行不断调整优化，直至满足应用需求。
业务应用层中主要是利用数慧AI+遥感智能解译框架，结合行业应用场景，赋能业务应用，如：地理实体提取、变化监测、语义识别等。
具体AI+遥感场景应用案例和其他AI相关技术，小编将在后续文章中分享，敬请关注呦～
1.2022 WAIC：上海数慧入驻上海人工智能生态赋能中心