當遙感圖像檢測機智起來：全場景AI與遙感的頂峰邂逅

就在昨天，由國家自然科學基金委信息科學部、“空間信息網(wǎng)絡基礎理論與關鍵技術”重大研究計劃指導專家組主辦的遙感圖像稀疏表征與智能分析競賽，也剛剛落幕。這已經(jīng)是國家自然科學基金委籌辦的第三屆關于遙感圖像稀疏表征與智能分析的競賽，而這三年以來隨著競賽賽題的變化，一個明顯的趨勢就是，遙感與AI的結合方式正在變得越來越豐富。

從第一年設置智能影像目標檢測和智能壓縮兩個賽題，到第二年又增加了光學圖像識別、SAR遙感圖像識別、遙感衛(wèi)星追蹤三個賽題。而在今年，大賽在決賽中設置了基于華為昇騰AI處理器的遙感圖像解譯加分賽，要求參賽隊伍須將決賽算法模型移植于Atlas 200 DK AI平臺，實現(xiàn)算法模型的推理計算，更是切實展現(xiàn)了AI與遙感相遇創(chuàng)造出的無限機會。

如此一來，這次比賽中的冠軍團隊也就格外引人矚目——他們的成果，或許能夠給AI+遙感的未來帶來更多可能。

頂峰之作：用少樣本學習讓遙感圖像檢測機智起來

在比賽中，由來自中國科學院空天信息創(chuàng)新研究院趙忠明、孟瑜研究員團隊的鄧毓弸、節(jié)永師、張懿、陳靜、劉文雅組成的的“機智隊”獲得本次大賽的特等獎，而他們所選擇的賽題就是遙感圖像變化檢測。

遙感圖像變化檢測可以對同一地點的不同時相數(shù)據(jù)進行變化檢測處理，在資源和環(huán)境監(jiān)測、地理國情監(jiān)測、自然災害評估等領域具有高度的實用價值。目前遙感圖像變化檢測的前沿算法在數(shù)據(jù)層面以及算法設計層面均具有一定局限性，導致算法在實際應用時效率低下。機智隊的解決方案是應用將近兩年來AI中非?；馃岬纳贅颖緦W習，在數(shù)據(jù)樣本相對不太豐富的前提下，盡可能通過遷移學習和樣本泛化，提升數(shù)據(jù)的利用效率。最終機智隊的模型在精度和效率上都表現(xiàn)優(yōu)異，獲得了整場比賽的特等獎，也證實了AI與遙感之間無限的契合空間。

其實細細看來本次比賽的幾個單元設置，我們可以發(fā)現(xiàn)AI之于遙感的產(chǎn)業(yè)價值，正在被越來越多人認知。

在很長一段時間內(nèi)，遙感技術捕捉到的信息都應用于氣象、環(huán)境、地質資源、農(nóng)業(yè)林業(yè)等等領域的研究與觀測之中。實際遙感作為一種能夠越過地理障礙對目標進行遠距離測探的技術，所累積下的圖像資源對于很多行業(yè)都有利用價值。但很多時候遙感圖像的分析和觀測還需要專家親自參與，人力問題成了遙感圖像難以被更多產(chǎn)業(yè)利用的關鍵。

這時通過AI技術替代人力，直接將遙感圖像數(shù)據(jù)轉化成可直接應用于產(chǎn)業(yè)的方法論工具，自然就成為了打通遙感技術產(chǎn)業(yè)價值的關鍵秘鑰。

像是遙感衛(wèi)星視頻跟蹤這一賽題，就將汽車、飛機、火車、輪船等交通工具作用跟蹤對象，這一技術對于智慧物流、智慧交通等等領域都有不小的應用價值。而在遙感圖像語義分割賽題中，主辦方提供了包含15種典型土地利用類型的圖像數(shù)據(jù)，對于這些數(shù)據(jù)的分析結果，對于智慧城市中的城市規(guī)劃建設也有很高的應用價值。獲得特等獎的機智隊，他們提出的技術創(chuàng)新如果應用到AI防災等領域之中，也能幫助遙感技術更好地發(fā)揮作用，對于災害情況進行精準的分析甚至預測。

關鍵一招：算力如何讓AI+遙感翻過三個山坡

我們注意到，機智隊在最終推理環(huán)節(jié)時將計算任務分為了兩部分，一部分設置在云端，另一部分則應用了邊緣計算。這種分布式計算極大地提升了模型的推理效率。背后提供支持的，顯然是華為為競賽提供的Atlas 200 DK AI開發(fā)者套件。這一套件通過外圍接口釋放出了華為Ascend 310芯片的強勁算力，更擁有快速搭建、便于迭代的特征，方便參賽開發(fā)者盡快熟悉上手，并且在不斷調(diào)整策略時可以實現(xiàn)算法的快速更新迭代，讓參賽者無需在模型與硬件之間的對接上浪費時間。

在這一案例中我們也能發(fā)覺，在AI與遙感結合的產(chǎn)業(yè)邏輯中，算力這一元素起到的作用正在越來越大。

例如，算力在哪，AI+遙感就在哪。

處理遙感圖像，本身就意味著海量的計算需求出現(xiàn)。能否滿足不同的計算需求，也意味著AI+遙感能否潛入更多場景。例如在中低空遙感領域，有很多追蹤類的任務，像是追蹤災害蔓延軌跡，或是追蹤野生動物。這種時間緊任務重的計算工作，就考驗著無人機、攝像頭等等終端設備中能否搭載AI算法實現(xiàn)實時識別追蹤，也就考驗著終端的計算能力。

又比如，算力有多普惠，AI+遙感就有多普惠。

在AI時代我們可以深刻的感覺到算力如同一種貨幣，AI任務的完成需要多少成本都是明碼標價的。但從產(chǎn)業(yè)層面來講，一定要在引入AI+遙感的成本和收益之中找到平衡、找到拐點，才能挖掘出AI+遙感的應用價值。換句話說，不斷降低應用算力的門檻和成本，才能讓更多產(chǎn)業(yè)應用上AI+遙感。

最后還有，算力生態(tài)有多完善，AI+遙感的生態(tài)就有多完善。

當AI賦能遙感，幫助遙感進入產(chǎn)業(yè)化應用時，也意味著遙感圖像將要成為企業(yè)所處理眾多數(shù)據(jù)中的一種。遙感圖像數(shù)據(jù)想要融入整體技術架構之中，需要讓遙感數(shù)據(jù)能夠在儲存、傳輸和處理上與企業(yè)整體業(yè)務進行配合。而這也往往考驗著企業(yè)是否擁有一個完善的算力生態(tài)，來分布處理不同類型的數(shù)據(jù)，使得不同計算模式互相配合。換句話說，AI+遙感的應用能否走向常態(tài)化，還要看算力生態(tài)是否足夠完善。

當算力幫助AI+遙感翻過這三個山坡后，我們一定能看到遙感技術在更多產(chǎn)業(yè)中散發(fā)耀眼的光芒。

領攀者Atlas：全場景AI與遙感在頂峰相遇

回到賽事本身，我們可以發(fā)現(xiàn)有很多團隊都利用了華為所提供的Atlas 200 DK AI開發(fā)者套件來解決AI+遙感中的計算需求。那么是否還能為AI+遙感提供更多驅動?

答案是肯定的。Atlas打出的是全場景AI，面向“端、邊、云”優(yōu)化設計的全場景AI基礎設施方案。AI技術與遙感的結合，一方面意味著海量的計算需求，另一方面在目標追蹤等方面的應用上，也需要AI算法對于數(shù)據(jù)進行實時反應，對于端側計算同樣有很高的要求。尤其遙感技術常常被應用于農(nóng)業(yè)、氣象、水利等等“大場景”中，自然也少不了云邊協(xié)同的需求。

通過對Atlas產(chǎn)品的整理，我們可以總結出，全場景AI幫助遙感所釋放的三種產(chǎn)業(yè)紅利：

第一是場景多樣化紅利。

Atlas 200 AI加速模塊帶來的強大端側算力，讓無人機、嵌入式攝像機等等遙感領域經(jīng)常應用的硬件也能獲得實時計算能力，直接在端側進行遙感數(shù)據(jù)的分析和追蹤。加上Atlas系列產(chǎn)品價格實惠，不會給產(chǎn)業(yè)端帶來太多成本壓力。從拍攝城市與農(nóng)田的無人機到衛(wèi)星上的攝像頭，都能因此獲得實時處理計算任務的能力，因此AI+遙感也可以快速在更多場景中普及。

第二是過往數(shù)據(jù)挖掘紅利。

從80年代起，中國的遙感技術就已經(jīng)開始活躍。但AI與遙感的結合，卻是從這幾年才開始的。也就是說往期累積的海量數(shù)據(jù)，都是可供利用的寶藏。最近剛剛推出的“地表最強”AI訓練集群Atlas 900，所提供的強大算力就可以對過往數(shù)據(jù)進行高效挖掘，進一步推動遙感技術的利用率。

最后還有云邊協(xié)同紅利。

華為不僅擁有提供端側算力的Atlas 200 AI加速模塊，同樣也擁有提供邊緣算力Atlas 300 AI加速卡和Atlas 500智能小站。這些產(chǎn)品的核心能力，自然來自于華為昇騰AI處理器。昇騰體系提供的，是包括了芯片、芯片使能、訓練和推理框架和應用使能在內(nèi)的全堆棧方案，以及包括云端、邊緣、物聯(lián)網(wǎng)行業(yè)終端以及消費類終端等在內(nèi)的全場景部署環(huán)境。如此一來形成的通路，也可以讓AI遙感通過云邊協(xié)同實現(xiàn)業(yè)務的高拓展性、降低延遲，便于未來開發(fā)，從而進一步適應產(chǎn)業(yè)需求。

在Atlas帶來的幾重紅利之下，AI與遙感實現(xiàn)了一種跨越式的結合：AI不僅加速了遙感在科研中的應用，更幫助遙感在產(chǎn)業(yè)化、商業(yè)化之路上向前飛奔。

結束語

不難發(fā)現(xiàn)，在全場景框架之下，AI與遙感的結合如同頂峰相遇。遙感技術的應用補充了對于物理世界圖像化捕捉的重要一環(huán)——從面孔之微到星云之著，都可以化作供給計算機理解分析的圖像數(shù)據(jù)。而全場景AI提供的，是讓計算機更高效理解遙感圖像的契機，在中高空追逐珍惜野生動物的無人機中，在通過幾十年來氣象遙感圖像分析氣候變化的服務器里。

而計算，或許就是牽引兩人共赴頂峰的登山繩，讓AI與遙感從此有了追求共同目標的可能。