開(kāi)拓遙感圖像新領(lǐng)域 大華股份AI喜獲殊榮

近日，在第三屆遙感圖像稀疏表征與智能分析競賽中，大華股份自主開(kāi)發(fā)的遙感圖像目標跟蹤算法，獲得了目標跟蹤精度排行榜第一的好成績(jì)*。大華從2000多個(gè)AI公司及頂尖的學(xué)術(shù)研究團隊中脫穎而出，取得標志性突破，彰顯了公司在遙感圖像等前沿技術(shù)領(lǐng)域開(kāi)拓的創(chuàng )新能力。

該競賽由國家自然科學(xué)基金委信息科學(xué)部、“空間信息網(wǎng)絡(luò )基礎理論與關(guān)鍵技術(shù)”重大研究計劃指導專(zhuān)家組主辦，吸引了11個(gè)國家,115個(gè)城市2191支來(lái)自各大高校、研究所與科技公司相關(guān)領(lǐng)域研究團隊參賽。

圖一 城市遙感圖像

遙感技術(shù) 時(shí)代新挑戰

遙感技術(shù)，借助人造衛星、航天飛機、空間實(shí)驗室等探測儀器，從遠距離(4000km~600km)獲取目標物體的電磁波信息，通過(guò)對該信息的傳輸、修正、處理、分析，形成一個(gè)多層次、多視角、多領(lǐng)域的觀(guān)測體系，廣泛應用于資源勘探、環(huán)境監測、公共安全等多個(gè)領(lǐng)域。

由于遙感圖像具有尺度多樣性、高空俯視視角、小目標、多方向、背景復雜度高等特性，同時(shí)對算法效率要求嚴苛，因此遙感圖像智能分析極具挑戰性。為了進(jìn)一步提升空間信息的鏈路傳輸效率與實(shí)際應用能力，各研究機構大力發(fā)展遙感圖像智能分析技術(shù)，借助圖像處理、機器學(xué)習、深度學(xué)習等算法理論，實(shí)現場(chǎng)景分類(lèi)、語(yǔ)義分割、目標檢測、目標跟蹤等功能。

圖二 遙感圖像智能分析(語(yǔ)義分割、目標檢測、目標跟蹤)

大華積極開(kāi)拓遙感技術(shù)創(chuàng )新研究

大華股份在A(yíng)I核心技術(shù)領(lǐng)域持續耕耘，不斷提升智能算法、算力的核心競爭力。經(jīng)過(guò)長(cháng)期的技術(shù)積累，大華股份在2D車(chē)輛目標檢測、MOT跟蹤、實(shí)例分割、語(yǔ)義分割等多項國際競賽中的多個(gè)技術(shù)領(lǐng)域取得優(yōu)異成績(jì)。大華AI核心技術(shù)與遙感圖像智能分析領(lǐng)域所需技術(shù)高度契合，公司AI團隊針對遙感圖像新領(lǐng)域的技術(shù)研究，首先從目標跟蹤開(kāi)始，并逐漸向目標檢測、語(yǔ)義分割、場(chǎng)景分類(lèi)等其它細分方向拓展。

針對遙感圖像的特殊性，大華股份AI團隊，首先在SiamRPN++算法基礎上進(jìn)行優(yōu)化與改進(jìn)。不僅在模板分支引入注意力機制、建立模板空間、數據增廣、均衡負樣本采樣、引入LCT策略(目標丟失判斷、運動(dòng)趨勢預測、重檢測)方面實(shí)現優(yōu)化，還對當前基于孿生網(wǎng)絡(luò )跟蹤框架的發(fā)展趨勢進(jìn)行分析，提出一種SiamCRPN++算法，框架上引入級聯(lián)的RPN結構，融合多層卷積特征，并通過(guò)不同訓練方式使得RPN具有不同的特性。

(a)目標受到遮擋物及背景干擾物影響下的跟蹤效果

(b)目標大范圍旋轉情況下的跟蹤效果

圖三 遙感圖像目標跟蹤結果展示

遙感技術(shù)隨著(zhù)空間信息網(wǎng)絡(luò )體系的不斷發(fā)展，高空間分辨率、高時(shí)間分辨率、高光譜分辨率、高分數據的體系已經(jīng)基本形成，空間信息網(wǎng)絡(luò )平臺數據量急劇增加，為遙感應用奠定了堅實(shí)基礎。將深度學(xué)習技術(shù)引入遙感數據解譯應用中，將大幅提升遙感數據的自動(dòng)化處理與分析能力，快速精準地實(shí)現遙感數據翻譯，可應用于包括道路提取、地形地貌分類(lèi)、土地利用分類(lèi)、建筑物提取等多個(gè)遙感應用場(chǎng)景。人工智能將賦予遙感產(chǎn)業(yè)新的活力。