全文高能！遥感图像智能分析PPT+高分大赛+补充答疑+视频回放

6月14日晚，【图图Seminar】特邀中国科学院空天信息创新研究院孙显研究员进行题为“遥感图像智能分析：方法与应用”的在线学术报告，并通过腾讯会议、知网在线教学、B站三个平台同期直播，直播现场人气高涨，互动交流热烈，在B站直播平台的人气迅速过万

活动结束后，要报告、看回放、询问第四届高分遥感图像解译软件大赛的信息持续不断，图图一刻也不放松，第一时间把本次直播的报告文件、第四届高分遥感图像解译软件大赛赛程信息、视频回放地址、14个现场补充答疑以及互动获奖名单统统集合在这里，对面的图粉们看过来哦~~

图图Seminar

计算机领域名师学者，通过在线直播，精解基础概念、分析算法原理、剖析经典案例、推荐必读书籍/论文。

01
报告内容

在遥感进入大数据时代的今天，“遥感+AI”能否降低遥感应用的门槛？遥感智能图像分析研究进展如何？AI赋能遥感技术已经催生了哪些具有普惠价值的典型应用？直播时没来得及消化的话，再来看看孙老师的报告吧。

很多朋友都在关心孙老师介绍的“第四届高分遥感图像解译软件大赛“，图图必须夸你好眼光！

大赛简介

高分遥感图像解译软件大赛，自2017年启动至今已连续成功举办三届，成为我国遥感对地观测领域一项综合性技术创新的大型赛事。已免费公开发布国产高分辨率光学、SAR、多光谱等卫星样本数据上万幅，涵盖典型目标检测与识别、地物精细提取与分类、图像语义理解等数十个课目，累计吸引全国230多家高校、科研院所和企事业单位的千余支高水平研究团队参加，有效带动了高分辨率对地观测技术融合发展，积极促进了高分辨率对地观测最新技术成果在各领域的快速转化应用。

往届大赛风采

本届大赛由教育部电子信息类专业教学指导委员会、高分辨率对地观测系统专项管理办公室、中国科学院重大科技任务局、中国遥感应用协会指导，高分辨率对地观测学术年会组委会主办，中国科学院空天信息创新研究院承办，中国资源卫星应用中心、厦门大学、中国图象图形学报、遥感学报、雷达学报协办。

赛程安排

• 大赛官网开放报名注册：6月中下旬

• 数据发布：7月上旬

• 初赛阶段：7月底—9月下旬

• 决赛阶段：9月下旬—10月上旬

• 高分年会/workshop：11月

比赛形式

采用“线上初赛+线下决赛”组织模式，综合考核成果实用效能，将进一步增加竞赛的激烈性与参与感。丰富的数据集，开放的赛制，不需高配，大家在家里就可以参赛啦。

课目设置

大赛进一步贴近实用对接各领域应用需求，力求打造“数据集+插件服务”的遥感智能化服务模式。

（1）国内赛道课目设置如下：

• 高分辨率可见光图像中桥梁目标自动识别

• 全极化SAR图像中地物要素自动分类

• 高分辨率可见光图像水体目标自动提取

• 高分辨率可见光图像精细化标注

（2）国际赛道课目设置如下：

• 高分辨率可见光图像中飞机目标自动检测识别

• 大范围海域SAR图像中船舶目标自动检测

大赛平台

本届大赛设置国内+国际双赛道。国内赛道获奖证书将由教育部电子信息类专业教学指导委员会、高分辨率对地观测学术年会组委会与中国遥感应用协会三重认证。新增的国际赛道已获得IEEE GRSS和ISPRS两大国际遥感领域学术组织赞助，并对国际赛道获奖证书进行认证，将有力推动高分辨率对地观测领域国际学术交流与合作。

点击进入大赛官网

作为协办单位和支持媒体，中国图象图形学报将对大赛全程跟踪报道，请关注学报后续微推，紧跟大赛最新消息。为响应图粉们的要求，方便大家及时获得大赛信息和咨询服务，我们专门邀请大赛工作组的老师，建立了“高分大赛“微信群，扫码加图图，带你轻松参赛~

以下为本次直播的报告内容，61页PPT，干货满满~

02
直播回放地址

不小心错过了现场直播？还想看回放？没问题！图图在知网在线教学和B站两个平台上都准备了直播回放，点击链接即可围观。

知网回放地址

http://k.cnki.net/CInfo/Index/6131

B站回放地址

https://b23.tv/BV1Z5411W78W

03
现场补充答疑

对于直播现场未来得及回答的14个网友提问，孙老师特别进行了回答：

1:

请问国内与国外图像智能解译发展现状的对比？

A:

国外同类技术实际应用的公开报道不多，从技术角度看，国外数据的分辨率相对较高，但是技术水平相差不大，部分领域国内技术指标也居领先。

2:

请问在SAR图像目标检测中如何考虑利用SAR的散射机理等特有信息构建神经网络来提升检测精度？

A:

将散射机理作为模型的先验输入，或者在模型结构构建、loss函数设计等方面考虑特性的影响，在一定程度上可以提升检测精度。

3:

请问对植被群落有可能用遥感来做吗？如果可以，大概可以怎么做？

A:

结合特定的载荷，例如多光谱、高光谱、极化SAR，是可以开展植被群落的研究的，例如可以利用不同种群、不同分布在图像中的特性体现，实现植被的分类，种群面积的估算等。

4:

请问目前遥感与AI的结合，将深度学习的黑盒模式逐步打破，目前研究到哪个程度？是否有推荐文献？

A:

在传统计算机视觉研究领域，对深度模型可解释性方面的研究刚刚兴起，通过对模型的理解，有助于提升图像解译性能。遥感领域相关研究成果相对较少，在未来会是一个较好的研究方向。

5:

请问小样本在SAR地物分类上有什么方法和进展？

A:

利用小样本开展SAR地物分类，有助于降低标记样本的工作量。目前有一些利用半监督或者无监督学习的SAR地物分类方法。

6:

想问一下，通过对抗网络生成遥感图像解决小样本问题的时候，具体是怎么操作的，对抗生成遥感图像是不是也需要大量的样本？

A:

对抗网络的原理就是通过生成器和判别器的迭代循环，确保生成样本的逼真度。理论上，样本数量越多，分类器的精度相对越高。但从遥感领域来看，所需的样本量应当少于视觉所需的数量。

7:

以数据为驱动的研究，目前深度学习，机器学习中，多少的样本量才是可靠的？

A:

不同的类别，不同的应用，需求的样本数量不一样，一般情况下，遥感目标训练所需的样本数量在万级左右，上千样本数量，也能满足实际的应用需求。

8:

目前在语义分割的领域里面，现在有哪些比较好的适用于遥感解译的网络模型，比如像U-Net之类的网络？

A:

语义分割领域的模型如：PSPNet、DeeplabV3、Deeplab V3+等效果都不错，此外，目前对实时语义分割的研究也比较多，若有兴趣可以关注下。

9:

孙老师，您是怎么看待遥感影像的异常检测和变化检测的区别与联系，特别是高光谱图像的变化检测和异常检测？

A:

高光谱受分辨率和混合像元的影响，变化检测难度较大。遥感变化检测的核心，还是目标数量、位置和状态的变化，逐像素变化检测的实用性不强。

10:

主动学习和迁移学习用于polsar图像分类的比较好的方法或者网络模型，这个方面进步的空间还有哪些？

A:

极化SAR分类，目前重点在于稳定、可区分度特征的选择。

11:

孙老师您好，我做森林生物量反演，测试集精度基本很小（即过拟合）。目前的的情况：1、因为生物量在遥感影像上的形态太多，而且各自的差异性很大（即便同一个生物量值，但在遥感数据因子的形态差异大），2、除了样本不足以外，3、地面样本点与影像之间又存在位置匹配的差异。这样的话，如何用小样本的思路来考虑呢？

A:

可以用少量样本数据作为种子数据，用于模型初始版本的训练，随着数据的积累，模型精度的提升，不断积累样本数量，进一步提升模型精度。另外，模型设计方面，还是要结合遥感数据和生物因素的先验。

12:

SAR图像舰船目标检测是传统CFAR算法更有优势，还是可见光的目标检测方法如yolo、SSD经过改进后更有优势？

A:

yolo，SSD 效果略好，如果结合SAR散射特性等因素，改造模型，效果更好。

13:

请问孙老师，针对模型轻量化改造方面，您能够推荐一些效果比较好（对检测精度影响较小）的方法和相关实现的算法平台吗？

A:

mobilenet和shufflenet基础上改造，相对效果较好。另外，利用知识蒸馏技术开展轻量化模型训练，也可有效提升轻量化模型的性能。

14:

在亚米级高分遥感图像提取单木树种方面，样本的尺度比较小，特征也比较接近，有比较好的神经网络模型可以用上来吗？

A:

可以用Deeplab V3/V3+ 进行尝试。

04
直播互动获奖名单

获奖网友微信名或知网昵称：

任文琦

廖育稼

珞珈山樱木

华师-郭碧云

赖广陵

迩远

Miss right

Te Furi

Mio

Sunday is the best

请以上获奖网友联系学报编辑提供邮寄信息哦

05
主讲嘉宾

孙显，中国科学院空天信息创新研究院，研究员，博士生导师。主要研究方向为：高分辨率遥感图像智能解译。

作为项目负责人先后承担国家科技重大专项、国家重大科研任务、国家自然科学基金等10余项，先后获国家科技进步一等奖1项，军队科技进步一、二、三等奖各1项。以第一作者、通信作者发表SCI论文30余篇，出版专著2部，授权发明专利18项，牵头编制行业标准7项。IEEE高级会员、中国电子学会高级会员、中科院青年促进会会员，IEEE JSTAR客座编委。2016年获中国科学院杰出成就奖。

E-mail：[e-mail]

"图图Seminar" 直播回放

回放平台

知网平台：

http://k.cnki.net/Room/Home/Index/181822

B站：

https://space.bilibili.com/27032291

往期目录

汪荣贵——机器学习基本知识体系与入门方法

陈强——从Cell封面论文谈AI研究中的实验数据问题

石争浩——从先验到深度：低见度图像增强

行知论坛——南理工行知论坛&图图Seminar：智能画质增强专题

孙显——遥感图像智能分析：方法与应用

     好文推荐
❂ 专家报告
❂ 论文写作

本文系《中国图象图形学报》独家稿件

内容仅供学习交流

版权属于原作者

欢迎大家关注转发！

编辑：秀   秀

指导：梧桐君

审校：夏薇薇

总编辑：肖   亮

声  明

欢迎转发本号原创内容，任何形式的媒体或机构未经授权，不得转载和摘编。授权请在后台留言“机构名称+文章标题+转载/转发”联系本号。转载需标注原作者和信息来源为《中国图象图形学报》。本号转载信息旨在传播交流，内容为作者观点，不代表本号立场。未经允许，请勿二次转载。如涉及文字、图片等内容、版权和其他问题，请于文章发出20日内联系本号，我们将第一时间处理。《中国图象图形学报》拥有最终解释权。

我就知道你“在看”