達摩院包攬遙感AI領域三項冠軍，精準分類15種土地、檢測18類目標

8月27日，在國際計算機視覺大會ICCV 2021上，達摩院遙感AI平台AI EARTH包攬遙感AI領域權威競賽LUAI的土地分類、遙感旋轉框、水平框目標檢測三項冠軍。達摩院研究人員表示，相關技術已應用於自然資源監管、水利河道治理、生態環境保護、農業估產等領域。

遙感影像是對地觀測最重要的參照信息，但遙感衞星每日產生的影像數據規模巨大，僅靠人力無法高效識別。以土地分類為例，過去需要大量人力進行標註和統計，才能準確地識別特定的土地類型。而如今AI在該領域的應用逐步取得顯著成果。

官方信息顯示，LUAI土地分類賽事提供了大規模的地物分類數據集GID-15，該數據集的影像包含工業工地、城市居住區、鄉鎮居住區、交通用地、水田、灌溉田、旱作耕地、園地、喬木林、灌木林、自然草地、人工草地、河流、湖泊、池塘共15個標註類別，參賽團隊需要準確識別並標註出每張影像各區塊的土地類別。該比賽共吸引全球62支團隊參與，最終達摩院AI EARTH斬獲冠軍。

據達摩院AI EARTH團隊介紹，遙感影像不同類別的尺寸差異巨大，如道路、鄉鎮房屋等空間尺度相對較小，而河流、湖泊的尺寸較大，AI需要準確對不同類別的區域分配資源，團隊在時下最熱門的Transformer模型基礎之上，融合了多空間尺度聯合訓練與預測方法，該方法在尺寸變化較大的遙感影像類別識別任務裏取得了更優的效果。

除此之外，遙感影像還存在相似類別的土地識別難問題，如喬木林與灌木林同屬林地，二者之間僅存在細微差別，該團隊採用了細粒度地物級聯預測，可更有效地區分其中的差異。

值得一提的是，在LUAI的遙感旋轉框、水平框目標檢測兩大競賽中，達摩院也取得了最好的成績，能準確識別飛機、橋樑、貨車等共18種物體，可最多識別單張影像的上千個目標。

達摩院資深算法專家李昊表示：“過去幾年，AI和遙感影像的結合已經從理論探索階段走向了實際應用，但技術和應用的創新仍在持續，例如3D重建可視化等將成為未來研究的方向。”

目前，AI EARTH相關技術已應用於水利部、國家氣象中心、生態環境部等機構，例如，生態環境部用AI EARTH累計檢測面積達17萬平方公里，可自動化提取疑似生態環境問題，有效提升生態保護工作效率。