自建遥感AI模型 探索沙漠中的绿色怪圈

简介: 遥感大数据与人工智能深度融合的时代,利用遥感AI算法,一起寻找地球上有趣的地物。


遥感大数据与人工智能深度融合的时代

利用遥感AI算法,一起寻找地球上有趣的地物


AI Earth自训练功能

提供一站式、低门槛的免费模型生产平台

无需编写代码即可在线优化或自建全新模型

即使非AI专业人士也能快速上手


平台地址

https://engine-aiearth.aliyun.com

(请于PC端打开)


/ 即将消失的毛乌素沙地 /

我国有一片沙地正在逐步变成绿洲,也即将在陕西境内消失,这样听起来不太可能实现的奇迹确实出现了,就是号称“中国四大沙地”之一的毛乌素沙地。

毛乌素沙地地处陕西省榆林市和内蒙古鄂尔多斯之间,曾经也是土壤肥沃的草原,因人为原因在新中国成立之时,已成为一片茫茫沙海。1959年,国家正式启动了改造沙漠工程,选中的第一片改造的沙漠就是毛乌素沙漠。经过多年的努力,毛乌素沙地在2020年的土地治理率已经达到了93%。




利用MODIS植被指数产品,对比2001/2011/2021归一化植被指数(NDVI)变化,明显看到在毛乌素沙地上的绿色植被信息越来越明显。


/ 沙地上的怪圈 /

在毛乌素沙地这片土地上有一个个的怪圈,这其实是在治理沙漠过程中为了实现节约灌溉,引入的草原喷灌圈设备



/ AI Earth自训练实践—探寻沙地怪圈 /


01

进行草圈标注


利用AI Earth平台模型训练模块中提供的样本标注工具,对一景Sentinel-2影像进行草圈标注,标注完成创建的样本集共有300+样本切片,共计2000+草圈标注图斑

(草圈标注矢量可后台联系获取)


02

创建草圈提取模型

使用模型自训练模块创建草圈提取模型,耗时4小时左右,首个版本训练完成,查看准确率(mAcc)为0.8744,交并比(mioU)为 0.8246


03

查看草圈提取成果


训练完成的模型可以发布到线上进行测试,通过平台数据检索模块,在毛乌素沙地区域检索多景2021年9月的Sentinel-2影像,使用平台镶嵌工具完成拼接,然后进行草圈提取


04

进一步优化模型


对于初版模型提取出的矢量结果,可以作为预标注文件进一步补充训练数据,从而迭代训练模型,得到泛化性更好的优化版本


/ 期待更多有趣发现 /

我们希望有更多小伙伴一起来探寻中国大地上有趣的地物,如果你基于平台自主训练出有趣的特色AI模型,欢迎联系我们,有机会获得精美礼品喔!

阿里巴巴动物园的小公仔们等着大家领养

/ 用户福利 /

公测期间,平台为每个用户提供每月20小时的免费独享训练机器资源,规格为NVIDIA Tesla GPU T4 * 2。用户群(钉钉群号:32152986)将实时进行算法训练相关答疑,欢迎加入






平台公测进行中,扫码立即申请


相关文章
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
CogAgent-9B:智谱 AI 开源 GLM-PC 的基座模型,专注于预测和执行 GUI 操作,可应用于自动化交互任务
CogAgent-9B 是智谱AI基于 GLM-4V-9B 训练的专用Agent任务模型,支持高分辨率图像处理和双语交互,能够预测并执行GUI操作,广泛应用于自动化任务。
32 12
CogAgent-9B:智谱 AI 开源 GLM-PC 的基座模型,专注于预测和执行 GUI 操作,可应用于自动化交互任务
|
12天前
|
人工智能
AniDoc:蚂蚁集团开源 2D 动画上色 AI 模型,基于视频扩散模型自动将草图序列转换成彩色动画,保持动画的连贯性
AniDoc 是一款基于视频扩散模型的 2D 动画上色 AI 模型,能够自动将草图序列转换为彩色动画。该模型通过对应匹配技术和背景增强策略,实现了色彩和风格的准确传递,适用于动画制作、游戏开发和数字艺术创作等多个领域。
83 16
AniDoc:蚂蚁集团开源 2D 动画上色 AI 模型,基于视频扩散模型自动将草图序列转换成彩色动画,保持动画的连贯性
|
22天前
|
人工智能 安全 测试技术
EXAONE 3.5:LG 推出的开源 AI 模型,采用 RAG 和多步推理能力降低模型的幻觉问题
EXAONE 3.5 是 LG AI 研究院推出的开源 AI 模型,擅长长文本处理,能够有效降低模型幻觉问题。该模型提供 24 亿、78 亿和 320 亿参数的三个版本,支持多步推理和检索增强生成技术,适用于多种应用场景。
74 9
EXAONE 3.5:LG 推出的开源 AI 模型,采用 RAG 和多步推理能力降低模型的幻觉问题
|
24天前
|
机器学习/深度学习 人工智能
SNOOPI:创新 AI 文本到图像生成框架,提升单步扩散模型的效率和性能
SNOOPI是一个创新的AI文本到图像生成框架,通过增强单步扩散模型的指导,显著提升模型性能和控制力。该框架包括PG-SB和NASA两种技术,分别用于增强训练稳定性和整合负面提示。SNOOPI在多个评估指标上超越基线模型,尤其在HPSv2得分达到31.08,成为单步扩散模型的新标杆。
65 10
SNOOPI:创新 AI 文本到图像生成框架,提升单步扩散模型的效率和性能
|
24天前
|
人工智能 搜索推荐 开发者
Aurora:xAI 为 Grok AI 推出新的图像生成模型,xAI Premium 用户可无限制访问
Aurora是xAI为Grok AI助手推出的新图像生成模型,专注于生成高逼真度的图像,特别是在人物和风景图像方面。该模型支持文本到图像的生成,并能处理包括公共人物和版权形象在内的多种图像生成请求。Aurora的可用性因用户等级而异,免费用户每天能生成三张图像,而Premium用户则可享受无限制访问。
63 11
Aurora:xAI 为 Grok AI 推出新的图像生成模型,xAI Premium 用户可无限制访问
|
25天前
|
存储 人工智能 PyTorch
【AI系统】模型转换流程
本文详细介绍了AI模型在不同框架间的转换方法,包括直接转换和规范式转换两种方式。直接转换涉及从源框架直接生成目标框架的模型文件,而规范式转换则通过一个中间标准格式(如ONNX)作为桥梁,实现模型的跨框架迁移。文中还提供了具体的转换流程和技术细节,以及模型转换工具的概览,帮助用户解决训练环境与部署环境不匹配的问题。
45 5
【AI系统】模型转换流程
|
25天前
|
机器学习/深度学习 存储 人工智能
【AI系统】模型转换基本介绍
模型转换技术旨在解决深度学习模型在不同框架间的兼容性问题,通过格式转换和图优化,将训练框架生成的模型适配到推理框架中,实现高效部署。这一过程涉及模型格式转换、计算图优化、算子统一及输入输出支持等多个环节,确保模型能在特定硬件上快速、准确地运行。推理引擎作为核心组件,通过优化阶段和运行阶段,实现模型的加载、优化和高效执行。面对不同框架的模型文件格式和网络结构,推理引擎需具备高度的灵活性和兼容性,以支持多样化的应用场景。
56 4
【AI系统】模型转换基本介绍
|
25天前
|
机器学习/深度学习 人工智能 算法
【AI系统】模型压缩基本介绍
模型压缩旨在通过减少存储空间、降低计算量和提高计算效率,降低模型部署成本,同时保持模型性能。主要技术包括模型量化、参数剪枝、知识蒸馏和低秩分解,广泛应用于移动设备、物联网、在线服务系统、大模型及自动驾驶等领域。
73 4
【AI系统】模型压缩基本介绍
|
25天前
|
机器学习/深度学习 存储 人工智能
【AI系统】模型剪枝
本文概述了模型剪枝的概念、方法及流程,旨在通过移除神经网络中冗余或不重要的参数,实现模型规模的减小和效率的提升。剪枝不仅有助于降低模型的存储和计算需求,还能增强模型的泛化能力。文章详细介绍了剪枝的定义、分类、不同阶段的剪枝流程,以及多种剪枝算法,如基于参数重要性的方法、结构化剪枝、动态剪枝和基于优化算法的全局剪枝策略。通过这些方法,可以在保持模型性能的同时,显著提高模型的计算速度和部署灵活性。
30 2
【AI系统】模型剪枝
|
17天前
|
人工智能 自然语言处理 物联网
AI Safeguard联合 CMU,斯坦福提出端侧多模态小模型
随着人工智能的快速发展,多模态大模型(MLLMs)在计算机视觉、自然语言处理和多模态任务中扮演着重要角色。