公司新闻
公司新闻

公司新闻

转角遇到“AI” | 记遥感智能视觉平台“天枢”

2021-03-02 619

人们已经不再热衷于玩网络游戏,

而是创造了高科技成人乐园,

体验更加真实刺激的游戏。

里面有不少机器人接待员,

他们过着设定好的剧情生活。

进入乐园的游客在现实中不敢的胡作非为,

可以在这里得到尽情的释放。

提供服务的机器人不仅具有超高仿真外形,

还有自身情感,

而且能带给游客最真实的体验,

中弹以后会流血,受伤以后会痛苦地嗷叫等。

夜幕降临,所有机器人的记忆被清除,

一切归零,第二天太阳升起,

新一批游客入园。

然而,在程序的失误

以及程序员要求机器人更接近于人类思维

和情感的情况下,

机器人的自主意识和思维

使他们开始怀疑这个世界的本质,

进而觉醒并反抗人类。


这是美剧《西部世界》中描绘的场景。而在电影《黑客帝国》中,网络黑客尼奥发现现实世界是由“矩阵”计算机人工智能系统控制的,并由此走上了抗争矩阵、争取回归真实世界之路;《终结者》中描述了地球被机器人所统治,幸存的人类集聚到一起,反抗机器人的残暴统治剧情。









电影中描绘的桥段距离我们或许还比较遥远,但在生活中你或多或少都接触过人工智能技术的应用,“银行里面和你对话的机器人”、“很多重要场合中的人脸精准识别”、“科技馆中的机器人写字”等等……近几年人工智能最出名的事件莫过于2016年3月,阿尔法围棋与围棋世界冠军、职业九段棋手李世石进行围棋人机大战,以4比1的总比分获胜;2016年末2017年初,该程序在中国棋类网站上以“大师”(Master)为注册账号与中日韩数十位围棋高手进行快棋对决,连续60局无一败绩,这也掀起了人们对人工智能讨论的热潮,不得不说人工智能的时代已悄然来临。




人工智能(Artificial Intelligence,AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学。通俗来讲,智慧是和人类相关的一种特征,当我们尝试在机器中模仿这种智能时,我们将其称之为人工智能,因此,人工智能不是人的智能,但能像人那样思考、也可能超过人的智能,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。对于人工智能的理解,可以将其理解为一门交叉学科,其涉及到数学、语言学、神经科学、心理学、物理学、认知科学、计算机科学等学科;此外,还可以将其理解为一门技术,而支持人工智能的技术包括机器学习、自然语言处理、计算机视觉、模式识别和专家系统。




电影里的人工智能多半都是在描绘强人工智能,而这部分在目前的现实世界里还难以真正实现。进入新世纪以来,得益于数据量的上涨、运算力的提升,弱人工智能有希望取得突破性发展(备注:通常将人工智能分为弱人工智能和强人工智能,前者让机器具备观察和感知的能力,可以做到一定程度的理解和推理,而强人工智能让机器获得自适应能力,解决一些之前没有遇到过的问题)。弱人工智能的实现则主要归功于实现人工智能的方法——机器学习,其使用算法来解析数据、从中学习,然后对真实世界中的事件做出决策和预测,也即是从已知数据去学习数据中蕴含的规律或判断规则,再把学到的规则应用到新数据并作出判断或预测。从学习方法上来分,机器学习算法可以分为监督学习(如分类问题)、无监督学习(如聚类问题)、半监督学习、集成学习、深度学习和强化学习。机器学习处理的数据如下:




深度学习是机器学习中的一种技术,其概念源于人工神经网络的研究,含多个隐藏层的多层感知器就是一种深度学习结构,其由一层一层的神经元组成,类似于人的大脑一样,所以也称为人工神经网络。研究深度学习的动机在于建立模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据。可以学习样本数据的内在规律和表示层次,在语音和图像识别方面取得了良好的效果。





在计算机的眼中,图像数据被看作为一系列的矩阵,矩阵的数学运算在计算机中是很容易实现的,深度学习中的卷积神经网络可以很方便的处理矩阵数据,因此可以针对图像完成分类、分类+定位、目标检测、要素分割等多个任务。




目前,我国已建立起自主的对地观测系统,随着卫星技术的发展,多传感器、多波段、高分影像等得到了广泛的应用与发展,但是现有的遥感数据处理和应用效果还有很多发展空间,如:精准快速处理效果还不够理想;对精细化状态的分析还缺乏有效的手段;数据共享率低;精准服务能力弱;数据产品不完整、无法从根本上脱离劳动密集型的“传统”等问题。遥感影像由多个波段组成,除却空间参考外,其和普通的图像有很多相似之处,深度学习与遥感影像天然地拥有高度耦合性,可以将人工智能应用到遥感影像的地物分类中,面对海量的数据,要考虑的首要问题就是如何对其进行有效的分析和处理并挖掘出数据的价值。深度学习能从数据中自适应地提取其内部表示,尽可能地减少人工的参与,并且用于提取特征的深度模型可以应用到多种场景下,具有更强的泛化性能。二者的结合能够为遥感行业注入新的生机,为泛地信行业提供前所未有的智能化服务。

中科北纬(北京)科技有限公司从创立之初,就致力于通过遥感技术手段,为智慧城市建设提供遥感全面感知技术支撑,推动城市科学治理、统筹发展。近年来,公司以自身AI技术的沉淀,依托于深度学习的技术和国产开源的学习框架,基于时空大数据和大规模数据计算的能力,联合行业伙伴,攻克重重难题,形成完整的处理体系,打磨出一款遥感智能视觉平台——“天枢”。天枢平台拥有高效的标注工具,自主训练的能力,并且支持数据资产化的管理,平台愿景是成为引领测绘遥感数字化转型的智能引擎。所谓数字化,从前的影像数据虽然也是数字类型,但在成果转化时需要经历大量的人工来目视判读,或结合机器半自动化的解译,在这个平台标注工具的催化下,从影像到矢量成果的转化可以理解为自发进行的。所谓智能引擎,遥感从数据的挖掘、处理、关联、共享和应用是一个全链条的过程,天枢平台并不单从孤立的一个方面解决数据问题,它是全流程智能化地在驱动数据的处理。

在整体架构上,天枢平台底层采用自主可控的飞桨(PaddlePaddle)开源框架,PaddlePaddle是百度研发的开源开放的深度学习平台,是国内最早开源、也是当前唯一一个功能完备的深度学习平台。依托百度业务场景的长期锤炼,开放多个领先的预训练模型,提供一整套的深度学习工具组件和服务平台,更好地满足不同层次的深度学习开发者的开发需求,直接面向企业,具备了强大支持工业级应用的能力,拥有活跃的开发者社区生态。平台的四大功能分别是安全管理、数据管理、模型训练和下发。从新建、标注、迭代优化到预测都可以在平台里进行,保证训练出高精度的模型。




在功能上,基于通用底层技术天枢平台提供了针对遥感数据的三大模块:斜框检测、地块分割和变化检测。平台采用自主编写的业界最先进的视觉算法,针对遥感数据进行挖掘提取,经过大规模迭代优化,能够避免季相变化、卫星型号对解译效果造成的影响,地块分割准确率达到90%以上,可对四个像素以上的影像变化进行提取和输出。天枢平台赋予用户自主训练的能力,可有效地使用海量多样的地理信息数据进行地类分割、变化检测等任务,提取更具产能化的信息,结合人口、经济、交通等时空大数据,满足自然资源空间管理一体化和生态环境监测、农业监测、资源普查以及防灾减灾、应急响应等领域对遥感信息处理的需求,有效地辅助客户做出决策。




古往今来,所有科技进步给人类带来的不止是效率的提升、生活质量的改善,更将为人类带来别样的认识世界的方式和视角。当脚下的地球被源源不断地读取进计算中心,一个全新的认知维度缓缓在我们面前展开,迎来新一轮的技术革新。未来十年,遥感是否可以深刻地影响社会发展,切实解决了生产生活中的问题,兼具普适性和经济价值,其关键点在于对遥感数据的解译和应用,人工智能技术的出现,恰逢其时,传统遥感转角遇到“AI”,一把打开未来遥感行业应用大门的金钥匙应运而生。

中科北纬公司顺应潮流、把握时机,联合百度推出了具有自主产权的天枢平台,以期为遥感影像的应用提供智能一体化的解决方案。