如何更好地利用AI對(duì)遙感影像進(jìn)行智能解譯

近日，基于昇騰AI，北京國(guó)遙新天地的遙感影像智能解譯平臺(tái)解決方案與昇騰Atlas系列硬件和全場(chǎng)景AI框架昇思MindSpore完成兼容性測(cè)試。該方案將遙感數(shù)據(jù)處理算子與人工智能相結(jié)合，在針對(duì)SAR（合成孔徑雷達(dá)）影像、光學(xué)遙感影像等150GB左右的遙感數(shù)據(jù)進(jìn)行目標(biāo)檢測(cè)推理時(shí)，相比行業(yè)現(xiàn)有推理速度提升約15%。推動(dòng)AI核心技術(shù)深度學(xué)習(xí)在遙感領(lǐng)域應(yīng)用落地的同時(shí)，也為遙感的數(shù)字化轉(zhuǎn)型升級(jí)助力。

伴隨人工智能技術(shù)的快速發(fā)展和遙感影像應(yīng)用需求的不斷增加，如何更好地利用AI對(duì)遙感影像進(jìn)行智能解譯？如何管理海量的遙感數(shù)據(jù)？如何有效提高算法模型的推理與訓(xùn)練能力，進(jìn)而使其在遙感數(shù)據(jù)處理上有更加出色的表現(xiàn)？這些問題都已成為遙感領(lǐng)域蓬勃發(fā)展的關(guān)鍵。

基于昇騰AI基礎(chǔ)軟硬件平臺(tái)，依托河北人工智能計(jì)算中心，北京國(guó)遙新天地與華為共同孵化的遙感影像智能解譯平臺(tái)解決方案擁有以下優(yōu)勢(shì)：

①

硬件方面

使用昇騰Atlas系列硬件作為遙感數(shù)據(jù)處理的主要設(shè)備。由于現(xiàn)有目標(biāo)檢測(cè)算法的底層架構(gòu)仍是以卷積神經(jīng)網(wǎng)絡(luò)為主的深度神經(jīng)網(wǎng)絡(luò)，其計(jì)算往往需要執(zhí)行大量的乘積操作，通常是數(shù)十億和數(shù)萬億次的迭代，運(yùn)算效率很低。昇騰硬件的NPU，不僅相比于常規(guī)的深度神經(jīng)網(wǎng)絡(luò)計(jì)算模式有更高的規(guī)律性，而且針對(duì)AI算法進(jìn)行了特定的調(diào)優(yōu)設(shè)計(jì)，加速了算法的運(yùn)行速度，解決了傳統(tǒng)硬件在神經(jīng)網(wǎng)絡(luò)運(yùn)算時(shí)效率低下的問題。

②

軟件方面

深度嵌入全場(chǎng)景AI框架昇思MindSpore，可提供當(dāng)下常用的遙感影像目標(biāo)檢測(cè)算法模型，其中包括在遙感目標(biāo)檢測(cè)上有良好檢測(cè)效果的Faster R-CNN、SDD、YOLOv5等。在本方案中采用的是兼顧精度與速度的YOLOv5模型作為遙感目標(biāo)檢測(cè)的主要模型，如在進(jìn)行一階段檢測(cè)時(shí)，YOLOv5模型能能夠在保障檢測(cè)精度的前提下，達(dá)到預(yù)期的檢測(cè)速度。此外，AI框架昇思MindSpore所提供的目標(biāo)檢測(cè)模型能與昇騰Atlas系列硬件完美契合，可使算法模型更好地調(diào)用昇騰硬件的NPU完成計(jì)算過程的加速處理任務(wù)。

③

推理方面

一般情況下遙感影像是附帶地理信息的tif或是tiff影像，且其大小往往是GB級(jí)的，是普通圖像數(shù)據(jù)的十倍到百倍大小。這樣級(jí)別的數(shù)據(jù)難以直接輸入模型。因此針對(duì)遙感影像，該方案先用遙感數(shù)據(jù)處理算子對(duì)原始影像進(jìn)行處理使其符合算法模型的輸入標(biāo)準(zhǔn)，再對(duì)海量遙感數(shù)據(jù)做推理計(jì)算，并在推理結(jié)束后通過后處理遙感算子整合推理結(jié)果，最終獲取目標(biāo)所在位置的地理信息。結(jié)合實(shí)踐可知，通過遙感數(shù)據(jù)處理算子與推理算法相結(jié)合的方法，可達(dá)到既縮短處理時(shí)間又提升推理速度的雙重效果。

④

訓(xùn)練方面

首先使用基于華為的一站式開發(fā)平臺(tái)ModelArts內(nèi)部的樣本管理界面，對(duì)存儲(chǔ)的樣本數(shù)據(jù)進(jìn)行標(biāo)簽繪制、樣本剔除等操作，方便了對(duì)遙感數(shù)據(jù)樣本的管理與處理工作；

然后再使用ModelArts平臺(tái)開啟對(duì)模型的一鍵訓(xùn)練功能，在訓(xùn)練過程中可通過可視化窗口對(duì)當(dāng)前訓(xùn)練批次、當(dāng)前LOSS值等關(guān)鍵信息進(jìn)行查看；

最后獲取模型結(jié)果時(shí)通過ModelArts平臺(tái)內(nèi)部等代碼管理模塊對(duì)Learning rate、Batchsize等關(guān)鍵參數(shù)進(jìn)行修改，并能根據(jù)不同的修改獲取有對(duì)比的訓(xùn)練結(jié)果?？偟膩碚f，該方案將數(shù)據(jù)存儲(chǔ)、一鍵啟動(dòng)訓(xùn)練、模型參數(shù)修改等功能集成在一起，可使訓(xùn)練過程更加流暢便捷，有效的提高遙感目標(biāo)檢測(cè)的效率。

截止目前，該方案已在浙江省多市縣內(nèi)完成試點(diǎn)，備受好評(píng)。例如在浙江某縣所屬鎮(zhèn)上，先使用無人機(jī)采集優(yōu)于5cm分辨率的高清遙感影像數(shù)據(jù)，再使用該方案提取垃圾點(diǎn)位、三改一拆、水利等治理要素，實(shí)現(xiàn)「一圖感知一圖統(tǒng)管」的目的。更進(jìn)一步增加建設(shè)大屏分析決策系統(tǒng)，以圖表的形式對(duì)治理效果進(jìn)行可視化展示，實(shí)現(xiàn)長(zhǎng)效治理，輔助地方管理機(jī)構(gòu)進(jìn)行智慧研判與科學(xué)決策。

翻看過往，可將時(shí)間回溯到2022年3月，北京國(guó)遙新天地與華為在河北人工智能計(jì)算中心初次達(dá)成合作意向。雙方明確了基于昇騰AI就遙感領(lǐng)域進(jìn)行場(chǎng)景化創(chuàng)新與應(yīng)用落地，共同繁榮昇騰AI產(chǎn)業(yè)生態(tài)。

當(dāng)前，昇騰AI產(chǎn)業(yè)的發(fā)展進(jìn)入全面升級(jí)的新階段，華為將攜手北京國(guó)遙新天地等合作伙伴一起，凝聚各方智慧，不斷突破向上，與生態(tài)伙伴共成長(zhǎng)，以人工智能技術(shù)帶動(dòng)數(shù)字經(jīng)濟(jì)騰飛，使能千行百業(yè)智能化升級(jí)，共同推進(jìn)中國(guó)人工智能產(chǎn)業(yè)的發(fā)展。