遥感影像智能解译产品

简介: AI+影像在遥感行业市场中呈现暴风式增长的势态。本次演讲将为大家介绍阿里达摩院AI遥感智能检异的产品,并分别从产品功能,产品形态以及应用案例等方面提供简单背景介绍。阿里达摩院希望通过遥感影像智能检异的能力,与各个合作伙伴及各个行业一起共建AI+遥感的生态能力。

演讲嘉宾简介:郎彬,达摩院机器智能实验室⾼级产品专家。

以下内容根据演讲视频以及PPT整理而成。

本次分享主要围绕以下三个方面:
一、背景介绍
二、遥感影像产品
三、应用案例

预约观看演讲视频

一、背景介绍

目前,AI+影像在行业市场中呈现暴风式增长的势态。遥感影像来源较广,如国内高精卫星,国外的卫星,以及商业卫星等。因此数据的分辨率相差很大,数据波段非常复杂。针对传统人工检异的方式,阿里达摩院做了AI遥感智能检异的产品形态,其中应用了几项技术,如像素点比较,模版匹配,图像分割分类等等,解决了快速模型训练能力,提高了影像精度和性能,还解决了影像功能可拓展的问题。
图片1.png

阿里达摩院遥感智能检异产品在遥感智能分析领域的国际排行榜DeepGlobe上取得了路网提取和地物分类两项第一。此外,还在遥感数据集DOTA上遥感目标检测这一项上取得了第一名的成绩。阿里达摩院遥感检异的技术在行业内处于领先的水平。
图片2.png

二、遥感影像产品

1.产品功能
阿里达摩院遥感影像产品功能大类如下图。首先是动土变化检测,针对前后两期影像做变化检测,找出不同地物之间变化类别的图观信息。第二种产品是建筑物新增检测,主要针对违章违建排查的工作,检测建筑物变化,如建筑物新增,拆除及样式变化。第三种是建筑物提取,针对单期影像,根据建筑物的特征,找到所有涵盖在区域内的建筑物的类型。第四种是路网提取,主要是提取区域内道路交通网的信息。第五种是地物分类,针对遥感影像中不同的地物类别,参考国家土地分类标准,针对不同地物的类别,提取之后进行分类。最后一种是目标识别,下图中展示了针对大棚的提取。根据国家自然资源和国土规划,北京首规委会监管大棚提取工作,这表明可以针对不同行业实现不同的目标识别工作。
图片3.png

2.产品形态
根据线下和线上,阿里达摩院的遥感智能产品分为几种产品形态。
线下产品形态:第一种是适用于客户数据量较大,对处理性能和算力有较大需求的用户,此时可通过遥感服务器集群的方式进行交付,可实现快速扩展,提供更多算力,提高处理时效性。第二种是遥感一体机形态,借助阿里达摩院图像团队自研的压缩及算法加速技术,实现了对算法性能的提升。采用遥感一体机可用于地市主推机型,可扩展支持部分省级项目。第三种是视频处理边缘终端,集成了遥感算法的能力,使用通用的接口,面向区县级项目,提供开放的API做对接。
图片4.png

线上输出平台:目前,阿里达摩院发布了遥感影像智能分析平台,主要有两个模块。首先是针对用户遥感影像上传和分发的管理体系,另外一块是算法任务的创建管理平台,用户可登录任务管理平台,针对不同的任务可自行管理。用户还可通过提交影像,生成矢量图观信息,并自行下载。遥感影像智能分析平台依托于阿里巴巴在深度学习,计算机视觉方向上的技术积累,采用基于深度学习的多尺度融合检测技术,实现了卫星及无人机影像中的变化特征及建筑、土地、河流等多种目标信息的智能解译,提供可靠安全的云上快速实时遥感解译能力。
图片5.png

三、应用案例

目前,遥感影像产品主要应用于以下四个方向:
水利:针对于水利行业,利用AI技术智能分析河湖长制推行与督查,水域岸线和河道指导与管理,确定变化图斑的地物类型,智能分析出区域内水域,河湖的使用性质和范围,为水
资源规划和治理工作提供有力支撑。
自然资源:利用AI技术智能分析自然资源和生态地质环境因子的时空变化规律,为矿产资源开采监管、国土资源变化监测与污染审查、灾害监测等生态环境监测场景提供科学依据。
城市管理:利用AI技术智能分析城市规划的土地利用变化、监测城市规划用地变迁、城市周期更新等问题,智能分析出城市区域内的土地,城市建设用地等变化的情况,为城市区域内的违法违建等城市建设管理提供多元有利信息。
农业估产:利用AI技术智能分析多光谱遥感及无人机影像,进行农田面积和分布的现状调查,以及针对农田精准化施肥、施药和灌溉进行农田尺度的作物长势、病虫害和土壤水分等信息的监测。
图片6.png

相关文章
|
IDE jenkins Java
告别繁琐配置:Alibaba Cloud Toolkit插件打破Jenkins自动化部署的局限
告别繁琐配置:Alibaba Cloud Toolkit插件打破Jenkins自动化部署的局限
890 0
|
1月前
|
人工智能 数据挖掘 BI
一文吃透智能体与大模型:“能说” 与 “会做” 的关键区别
大模型是“能说”的智能大脑,擅长理解与生成;智能体是“会做”的执行者,可自主规划、行动、反馈。二者协同推动AI从“纸上谈兵”走向“落地办事”,重塑商业效率与生活场景,开启AI应用新阶段。
1408 2
|
10月前
|
人工智能 运维 Cloud Native
Argo Workflows at KubeCon Europe 2025: 多元场景的云原生任务编排
Argo Workflow在KubeCon Europe 2025展示了其在AI/ML/HPC任务、事件驱动、平台工程、批量数据处理、混沌测试等多元场景的云原生任务编排能力。
|
机器学习/深度学习 人工智能
《模型压缩与量化:提升性能与降低成本的关键策略》
在人工智能领域,模型压缩和量化是优化模型大小与性能的关键技术。模型压缩包括剪枝(去除不重要连接)、低秩近似(矩阵分解)和模型融合(合并多个模型),减少冗余并提高效率。量化则通过将参数从连续值转为离散值(如8位、16位),减小存储空间。这些方法能在不降低性能的前提下显著减小模型大小,适用于不同应用场景。未来研究将更注重性能与效率的平衡。
586 10
|
小程序 前端开发 Java
携程技术分享:亿级流量的办公IM及开放平台技术实践
本文总结了携程办公IM这些年的发展历程及未来的演进方向,并着重从高可用、高性能和可扩展的角度,探讨开放式平台的技术实现及发展方向。
347 1
携程技术分享:亿级流量的办公IM及开放平台技术实践
|
机器学习/深度学习 人工智能 自然语言处理
[大语言模型-论文精读] ACL2024-长尾知识在检索增强型大型语言模型中的作用
[大语言模型-论文精读] ACL2024-长尾知识在检索增强型大型语言模型中的作用
|
前端开发 Java API
阿里云百炼模型入门篇-大语言模型
本文主要介绍如何快速的通过阿里云百炼,带你如何快速入门通义千问系列大语言模型。
3075 6
ArcMAP对遥感影像进行波段提取的3种方法
ArcMAP对遥感影像进行波段提取的3种方法
4579 0
|
存储 数据管理 Java
基于OSS、NFS构建高性能可扩展的遥感智能解译系统实践之路
该文探讨了构建高性能、可扩展的遥感智能解译系统的架构演进过程。作者强调架构应根据业务场景而定,而非追求单一的“最佳”架构。文章分为五个部分,介绍了从初步的业务场景分析到逐步优化的架构设计。 1. 业务场景描述了服务于地理信息行业的遥感数据管理平台,包括数据湖和遥感智能解译系统的功能和架构设计。 2. 初代系统解决了数据管理和智能解译的基本需求,但存在数据同步效率低下的问题。 3. 自动化阶段通过消息推送和数据接收模块减少了人工干预,将处理时间减半,但仍存在效率和稳定性问题。 4. 高性能阶段引入数据订阅/推送和数据接收Agent,实现了稳定、高速的数据传输,性能提升了6倍。
49256 2
|
编解码 定位技术 Python
Google Earth Engine谷歌地球引擎GEE批量下载ImageCollection遥感影像数据合集的方法
Google Earth Engine谷歌地球引擎GEE批量下载ImageCollection遥感影像数据合集的方法
1009 2

热门文章

最新文章