依莊防，博士，泰伯網海外特約專欄作者。傣族，出(chū)生于(yú)西雙版納，目前就(jiù)職于(yú)Development Seed（美國(guó)華盛頓特區），是(shì)一(yī / yì ／yí)位機器學習算法工程師。

作者： 依莊防

　　人(rén)工智能不(bù)可阻擋地(dì / de)向各行業滲透。這(zhè)一(yī / yì ／yí)現象，恰巧撞上(shàng)了(le／liǎo)“商業遙感衛星發射潮”。這(zhè)似乎預示了(le／liǎo)某種潛流。此刻，從事衛星遙感影像解譯和(hé / huò)大(dà)數據提取的(de)專業人(rén)士、科研人(rén)員、政府部門和(hé / huò)企業都躍躍欲試：恨不(bù)得在(zài)獲取數據的(de)同時(shí)，一(yī / yì ／yí)股腦兒在(zài)衛星上(shàng)直接解譯、處理和(hé / huò)打包，地(dì / de)面接收站再根據用戶需求分發。

　　顯然，這(zhè)種願景目前還無法實現。商業衛星影像本身數據量龐大(dà)，有很多難點尚未攻關。不(bù)過，在(zài)高分辨率影像應用領域，市場和(hé / huò)科研都有一(yī / yì ／yí)些亮眼的(de)成果——它們讓高分遙感從獲取、解譯到(dào)數據分配的(de)一(yī / yì ／yí)條龍服務的(de)願景成爲(wéi / wèi)可能。

　　（注：目前熱議的(de)人(rén)工智能，其實包括了(le／liǎo)很多領域和(hé / huò)應用。講真，所有可以(yǐ)用機器代替人(rén)工來(lái)做，特别是(shì)重複性強的(de)，在(zài)媒體報道(dào)中都統稱人(rén)工智能。本文所指的(de)人(rén)工智能，具體指用機器學習、深度學習等計算機視覺技術去分析、解譯高分遙感數據。）

　　所以(yǐ)，隻有充分了(le／liǎo)解高分辨率遙感影像的(de)直接應用難度，才能爲(wéi / wèi)人(rén)工智能與遙感的(de)結合，構建合理的(de)想像。

　　高分遙感應用難度

　　難度1. 數據大(dà)

　　高分遙感影像的(de)分辨率越大(dà)，其數據就(jiù)越大(dà)。

　　30米分辨率指的(de)是(shì)遙感影像上(shàng)每一(yī / yì ／yí)個(gè)像素對應的(de)地(dì / de)物是(shì)30米x30米。比如地(dì / de)面120米 x 120米的(de)地(dì / de)塊，在(zài)分辨率爲(wéi / wèi)30米的(de)衛星影像圖上(shàng)是(shì)16個(gè)像元，但是(shì)在(zài)3米x 3米的(de)衛星影像上(shàng)就(jiù)是(shì)1600個(gè)像元，到(dào)了(le／liǎo)30厘米 x 30厘米的(de)衛星影像圖中則變成了(le／liǎo)160000個(gè)像元。

　　分辨率越高記錄的(de)數據信息越詳細，不(bù)僅僅是(shì)像元随着高分影像增大(dà)，其每個(gè)像元的(de)信息複雜性也(yě)在(zài)增加，因此高分遙感影像分辨率的(de)提高和(hé / huò)其更低分辨率影像之(zhī)間的(de)文件大(dà)小不(bù)是(shì)線性關系。

　　難度2. 分析難

　　分辨率越高，信息量越大(dà)，數據提取就(jiù)越難。

　　同一(yī / yì ／yí)個(gè)地(dì / de)點，高分辨率遙感影像随着分辨率越高獲取的(de)地(dì / de)面數據越多，信息越複雜，就(jiù)越難提取有用的(de)信息。

　　如果在(zài)一(yī / yì ／yí)二十年前用Landsat衛星影像（30米分辨率）做一(yī / yì ／yí)個(gè)縣市級别的(de)土地(dì / de)利用分類工作，直接把數據導入地(dì / de)理信息和(hé / huò)圖像解譯工作平台（ERDAS，ENVI和(hé / huò)ArcGIS等等）大(dà)概都可以(yǐ)作出(chū)個(gè)産品來(lái)。但是(shì)如果衛星影像分辨率達到(dào)了(le／liǎo)30厘米(相當于(yú)30m分辨率高出(chū)100倍的(de)精度)：30米分辨率時(shí)隻能看到(dào)大(dà)概的(de)形狀，30厘米就(jiù)可以(yǐ)看到(dào)路上(shàng)行駛的(de)車輛了(le／liǎo)——遙感影像分辨率越高，精度越高，可以(yǐ)觀察到(dào)的(de)地(dì / de)物就(jiù)越多，那麽在(zài)衆多繁雜的(de)信息中分辨出(chū)有用信息的(de)難度就(jiù)越大(dà)。

　　普通影像處理軟件處理分辨率越高的(de)影像就(jiù)越困難，此時(shí)人(rén)工智能的(de)作用就(jiù)凸顯了(le／liǎo)。高性能超級計算機，可以(yǐ)不(bù)知疲倦地(dì / de)實時(shí)處理人(rén)工和(hé / huò)普通影像處理軟件無法完成的(de)工作。

Digital GlobeWorldView-3影像兩個(gè)分辨率對比圖，左圖是(shì)分辨率爲(wéi / wèi)1.24米（文件大(dà)小爲(wéi / wèi)1.7M），右圖分辨率是(shì)0.31米（圖片大(dà)小是(shì)10.2M）

難度3. 可用性不(bù)确定

　　解譯數據的(de)可用性。

　　這(zhè)時(shí)，可能會有遙感專業的(de)同事說(shuō)，信息量大(dà)，正是(shì)高分辨率遙感的(de)魅力所在(zài)。這(zhè)話是(shì)沒有錯的(de)。

　　下面咱們還要(yào / yāo)講怎麽使用人(rén)工智能遙感從高分辨率遙感影像中提取有用的(de)信息。但是(shì)在(zài)實現這(zhè)一(yī / yì ／yí)步之(zhī)前，有一(yī / yì ／yí)個(gè)不(bù)可忽視的(de)細節難度——分辨率越高的(de)影像解譯和(hé / huò)提取的(de)信息越多，處理不(bù)好，反倒可能使得結果沒辦法用。

　　我們從高分辨率影像中提取的(de)數據，最終目的(de)是(shì)希望可以(yǐ)放在(zài)地(dì / de)圖上(shàng)，供專業人(rén)士或者普通市民使用。基本上(shàng)很多計算機視覺裏面使用到(dào)機器學習和(hé / huò)深度學習（比如圖像分割、對象檢測和(hé / huò)圖像分類）都可以(yǐ)在(zài)高分辨率遙感中應用。

　　無人(rén)駕駛汽車使用的(de)機器學習算法是(shì)圖像分割，即該車在(zài)街道(dào)上(shàng)行駛時(shí)不(bù)斷的(de)拍照和(hé / huò)解讀，哪裏是(shì)道(dào)路、道(dào)路邊界、行道(dào)樹和(hé / huò)行人(rén)。從高分辨率遙感解譯信息其實也(yě)是(shì)這(zhè)麽一(yī / yì ／yí)回事，從圖像分割中知道(dào)哪裏是(shì)樓房、道(dào)路、橋梁、樹林、機場等等。

　　和(hé / huò)一(yī / yì ／yí)般計算機視覺不(bù)同的(de)是(shì)，高分遙感提取的(de)數據需要(yào / yāo)放在(zài)地(dì / de)圖上(shàng)，就(jiù)是(shì)說(shuō)這(zhè)數據不(bù)僅要(yào / yāo)在(zài)機器學習（人(rén)工智能）模型中達到(dào)好的(de)精度，還要(yào / yāo)有準确的(de)地(dì / de)理信息（比如經緯度等等）——這(zhè)最終才有可用性。

　　比如咱們用圖像分割中解譯出(chū)來(lái)的(de)道(dào)路在(zài)地(dì / de)圖上(shàng)向右平移了(le／liǎo)5米，或者解譯出(chū)來(lái)的(de)樓房缺了(le／liǎo)三分之(zhī)一(yī / yì ／yí)等等。那麽數據要(yào / yāo)用到(dào)現實生活，如導航或者計算建築面積，就(jiù)沒啥用了(le／liǎo)。

　　難度4.其他(tā)

　　高分辨率遙感影像本身特點帶來(lái)的(de)問題。

　　除了(le／liǎo)以(yǐ)上(shàng)高分辨率遙感影像文件大(dà)、信息複雜、信息提取難度高、以(yǐ)及人(rén)工智能模型結果的(de)可用性不(bù)确定等因素之(zhī)外，高分辨率遙感影像本身還存在(zài)以(yǐ)下問題：

　　①雲層覆蓋。大(dà)家擡眼看天空，雲層千變萬化。不(bù)同的(de)季節和(hé / huò)地(dì / de)區雲層覆蓋不(bù)一(yī / yì ／yí)。一(yī / yì ／yí)旦衛星影像研究區域的(de)雲覆蓋率到(dào)了(le／liǎo)10%以(yǐ)上(shàng)就(jiù)很難從中提取好的(de)數據。當然這(zhè)個(gè)問題在(zài)商業小衛星覆蓋率高的(de)地(dì / de)區，衛星可以(yǐ)在(zài)短時(shí)間内重複性的(de)訪問一(yī / yì ／yí)個(gè)地(dì / de)點，或者在(zài)天氣晴朗的(de)時(shí)候使用無人(rén)機獲取數據等，是(shì)可以(yǐ)解決這(zhè)個(gè)問題的(de)。

　　②時(shí)空分辨率的(de)取舍。空間分辨率，是(shì)到(dào)目前一(yī / yì ／yí)直強調的(de)高分辨率。而(ér)時(shí)間分辨率指的(de)是(shì)遙感影像以(yǐ)多高的(de)頻率獲取，比如是(shì)一(yī / yì ／yí)天拍一(yī / yì ／yí)次上(shàng)海，還是(shì)一(yī / yì ／yí)個(gè)月一(yī / yì ／yí)次，還是(shì)一(yī / yì ／yí)年一(yī / yì ／yí)次。

　　高分辨率衛星影像不(bù)僅僅處理和(hé / huò)解譯難，獲取的(de)費用也(yě)是(shì)不(bù)菲的(de)。因此沒有長期的(de)研究、資金支持和(hé / huò)投入，沒有市場需求，同時(shí)開發的(de)高分遙感産品不(bù)能在(zài)時(shí)間或空間分辨率中占得優勢的(de)話，企業很難在(zài)市場上(shàng)存活。比如美國(guó)Digital Globe，它的(de)衛星影像是(shì)根據客戶需要(yào / yāo)去采集數據，它最好的(de)數據産品WorldView-3和(hé / huò)4的(de)分辨率可達0.31米。Planet Lab的(de)商業模式則不(bù)同，它是(shì)通過提高時(shí)間分辨率但（部分）放棄空間分辨率（他(tā)們的(de)最高分辨率的(de)衛星影像産品是(shì)1米空間分辨率），以(yǐ)實現每周生成覆蓋全球的(de)遙感影像。當然，Planet同時(shí)也(yě)在(zài)提高衛星影像的(de)空間分辨率來(lái)搶占市場。

　　③波段多，難以(yǐ)取舍。和(hé / huò)計算機視覺的(de)機器學習、人(rén)工智能模型中大(dà)部分隻是(shì)用紅綠藍三個(gè)色相通道(dào)（就(jiù)是(shì)普通的(de)照片）不(bù)同，高分辨率遙感影像可以(yǐ)有十幾到(dào)上(shàng)百個(gè)波段，不(bù)同的(de)地(dì / de)物解譯和(hé / huò)圖像分割可選取不(bù)通的(de)波段組合。但是(shì)選擇多了(le／liǎo)也(yě)很痛苦，因爲(wéi / wèi)目前高分率波段組合和(hé / huò)選擇在(zài)機器學習（人(rén)工智能）上(shàng)的(de)應用還沒有足夠積累。

人(rén)工智能和(hé / huò)高分遙感的(de)結合

　　人(rén)工智能和(hé / huò)高分辨率遙感可以(yǐ)說(shuō)是(shì)天作之(zhī)合。

　　高分辨率遙感影像的(de)存在(zài)是(shì)爲(wéi / wèi)了(le／liǎo)能讓我們實時(shí)監測地(dì / de)面發生的(de)變化。比如一(yī / yì ／yí)個(gè)城市哪裏新建了(le／liǎo)房屋，哪裏新建了(le／liǎo)道(dào)路橋梁；農業上(shàng)哪一(yī / yì ／yí)個(gè)作物得了(le／liǎo)病蟲害；或者哪一(yī / yì ／yí)個(gè)地(dì / de)區發生旱災澇害，要(yào / yāo)怎樣疏導災民，如何重建。也(yě)有保險公司在(zài)實時(shí)監測用戶的(de)屋頂材料和(hé / huò)冰雹雪災之(zhī)間的(de)聯系，從而(ér)爲(wéi / wèi)拓展房屋保險業務提供服務。人(rén)工智能可以(yǐ)讓我們大(dà)規模、智能化、實時(shí)性的(de)實現數據提取。

　　前面說(shuō)了(le／liǎo)那麽多困難，那麽，人(rén)工智能和(hé / huò)高分辨率遙感影像解譯能結合嗎？能有未來(lái)嗎？答案是(shì)肯定的(de)。下面待我給大(dà)家一(yī / yì ／yí)一(yī / yì ／yí)解讀。

　　傳統計算機視覺的(de)新玩法

　　01.啥是(shì)機器學習（深度學習）

　　機器學習可以(yǐ)分爲(wéi / wèi)監督學習，非監督學習和(hé / huò)強化學習。

　　顧名思義，監督學習指的(de)是(shì)告訴模型你認爲(wéi / wèi)圖像裏哪是(shì)房子(zǐ)哪是(shì)路，人(rén)工智能就(jiù)會建立原始衛星影像和(hé / huò)你給的(de)标簽（房子(zǐ)，道(dào)路）之(zhī)間的(de)數學關系。非監督學習就(jiù)是(shì)不(bù)告訴模型哪是(shì)房子(zǐ)哪是(shì)道(dào)路，模型根據衛星影像裏面的(de)像元值對圖像進行分類。強化學習則是(shì)啥也(yě)不(bù)告訴模型，讓模型自己學習，并不(bù)斷強化。當然我這(zhè)是(shì)往簡單裏說(shuō)，具體的(de)解釋大(dà)家可以(yǐ)參考其他(tā)機器學習的(de)資料。

　　高分辨率遙感影像解譯用的(de)最多的(de)是(shì)監督學習。

第一(yī / yì ／yí)排的(de)兩張圖是(shì)監督學習中的(de)圖像分割訓練數據（左圖是(shì)衛星影像圖，右圖是(shì)标簽數據——房子(zǐ)和(hé / huò)道(dào)路）。這(zhè)個(gè)訓練圖集的(de)關系就(jiù)如同解方程式：其中衛星影像圖就(jiù)相當于(yú)X，标簽數據就(jiù)是(shì)y，人(rén)工智能模型就(jiù)是(shì)在(zài)X和(hé / huò)y中找數學關系。然後我們可以(yǐ)通過這(zhè)個(gè)關系從未被人(rén)工智能模型訓練過的(de)衛星影像圖中提取房子(zǐ)和(hé / huò)道(dào)路的(de)信息。

　　  第二排的(de)兩張圖是(shì)監督學習中的(de)對象檢測訓練數據（左圖是(shì)衛星影像圖，右圖是(shì)房子(zǐ)的(de)對象檢測框）。

　　在(zài)第一(yī / yì ／yí)排訓練數據訓練的(de)圖像分割模型，就(jiù)可以(yǐ)從高分辨率遙感影像中找出(chū)衛星影像中哪一(yī / yì ／yí)個(gè)像元是(shì)房子(zǐ)或者道(dào)路。第二排訓練數據集訓練的(de)模型則可以(yǐ)用來(lái)“找房子(zǐ)”，這(zhè)個(gè)方法一(yī / yì ／yí)般可以(yǐ)用來(lái)數房子(zǐ)，即可以(yǐ)用通過新房子(zǐ)在(zài)一(yī / yì ／yí)段時(shí)間的(de)建設數量來(lái)衡量區域經濟發展的(de)速度。比如第一(yī / yì ／yí)排的(de)訓練數據集可以(yǐ)通過在(zài)高分辨率遙感影像和(hé / huò)标簽數據之(zhī)間建立數學關系（這(zhè)裏通常通過深度學習的(de)方法），進而(ér)預測未知影像中的(de)檢測對象。

人(rén)工智能模型通過輸入的(de)高分辨率遙感影像和(hé / huò)标簽數據來(lái)預測檢測對象。圖中第一(yī / yì ／yí)排是(shì)房屋建築面積的(de)預測模型，第二排是(shì)道(dào)路系統檢測模型。

　　02.高分影像和(hé / huò)開放街道(dào)地(dì / de)圖（Open Street Map）爲(wéi / wèi)機器學習新玩法雪中送炭

　　高分遙感影像數據量大(dà)，傳統的(de)分析方法是(shì)下載一(yī / yì ／yí)整片衛星影像，導入到(dào)可以(yǐ)用來(lái)分析這(zhè)個(gè)影像的(de)地(dì / de)理信息軟件中來(lái)分析。這(zhè)項工作繁瑣、緩慢、不(bù)讨好，而(ér)且受各種不(bù)可知因素影響。沒有大(dà)量的(de)人(rén)工投入很難用于(yú)應急，比如洪澇災害來(lái)了(le／liǎo)，隻能依靠過往的(de)地(dì / de)圖和(hé / huò)模型信息積累來(lái)開展工作。

　　通過區塊地(dì / de)圖服務（Tile Map Service）實現高分遙感的(de)實時(shí)分享，以(yǐ)及開放街道(dào)地(dì / de)圖的(de)存在(zài)，它們是(shì)未來(lái)人(rén)工智能在(zài)高分辨率遙感影像解譯方面長足發展的(de)兩個(gè)重要(yào / yāo)基礎。要(yào / yāo)做到(dào)以(yǐ)上(shàng)實時(shí)預測道(dào)路網絡，離不(bù)開這(zhè)兩個(gè)基石。

　　03.區塊地(dì / de)圖服務（Tile Map Service）

　　大(dà)家肯定熟悉百度地(dì / de)圖、高德地(dì / de)圖、必應衛星影像圖。照理來(lái)說(shuō)，全球或整個(gè)中國(guó)的(de)地(dì / de)圖數據那麽大(dà)，儲存了(le／liǎo)那麽多數據，比如你喜歡的(de)餐館、書店、咖啡館、電影院等等，以(yǐ)及你上(shàng)學、上(shàng)班和(hé / huò)回家的(de)每一(yī / yì ／yí)條路，還有千千萬萬同學的(de)同學、朋友的(de)朋友的(de)住宅小區等等。數據那麽大(dà)，可是(shì)并不(bù)妨礙你一(yī / yì ／yí)打開手機就(jiù)可以(yǐ)浏覽。

　　這(zhè)得益于(yú)區塊地(dì / de)圖服務（當然還有其他(tā)的(de)技術，咱們先往簡單裏說(shuō)），這(zhè)個(gè)技術可以(yǐ)使我們從全球地(dì / de)圖開始，點擊放大(dà)地(dì / de)圖20次就(jiù)可以(yǐ)看到(dào)世界上(shàng)任何一(yī / yì ／yí)個(gè)地(dì / de)區的(de)街景。地(dì / de)圖在(zài)每一(yī / yì ／yí)次放大(dà)過程中的(de)信息量不(bù)一(yī / yì ／yí)樣，在(zài)全球水平上(shàng)是(shì)非常粗糙的(de)國(guó)家級數據，放大(dà)20次在(zài)手機屏幕上(shàng)展示的(de)信息就(jiù)是(shì)你感興趣的(de)街景圖。

　　在(zài)放大(dà)地(dì / de)圖的(de)過程中越來(lái)越多的(de)信息被展現，在(zài)縮小的(de)過程你會發現經常走的(de)那條街不(bù)見了(le／liǎo)，慢慢的(de)學校在(zài)地(dì / de)圖上(shàng)消失了(le／liǎo)，然後在(zài)全國(guó)地(dì / de)圖上(shàng)你隻看到(dào)你的(de)省會城市。

　　這(zhè)和(hé / huò)高分遙感影像實時(shí)分享有啥關系？說(shuō)白了(le／liǎo)就(jiù)是(shì)同一(yī / yì ／yí)個(gè)道(dào)理。高分遙感簡單的(de)說(shuō)是(shì)你可以(yǐ)放到(dào)最大(dà)看到(dào)的(de)衛星影像圖，精細、信息量大(dà)。可以(yǐ)想像，這(zhè)些塊狀的(de)衛星影像就(jiù)像地(dì / de)闆磚一(yī / yì ／yí)樣（英文用詞是(shì)tile，很形象），分辨率爲(wéi / wèi)1米的(de)塊狀衛星影像要(yào / yāo)覆蓋（鋪滿）整個(gè)中國(guó)大(dà)概需要(yào / yāo)千萬億塊（960萬平方公裏）。可想而(ér)知要(yào / yāo)在(zài)這(zhè)個(gè)分辨率尺度上(shàng)解譯國(guó)家級别的(de)數據，這(zhè)個(gè)工作量和(hé / huò)人(rén)工需求有多大(dà)，就(jiù)更不(bù)要(yào / yāo)說(shuō)比1米分辨率更高的(de)高分辨率影像了(le／liǎo)。

　　商業衛星影像公司可以(yǐ)通過生成不(bù)同分辨率影像，來(lái)滿足不(bù)同的(de)用戶需求。比如要(yào / yāo)做建築物占地(dì / de)面積或者道(dào)路系統的(de)人(rén)工智能模型，就(jiù)會希望用到(dào)最高空間分辨率的(de)影像（下圖提到(dào)的(de)放大(dà)次數我們希望用到(dào)zoom level 17以(yǐ)上(shàng)的(de)影像數據），但是(shì)做農業相關的(de)土地(dì / de)利用圖就(jiù)不(bù)需要(yào / yāo)高分辨率的(de)影像。

區塊地(dì / de)圖服務可以(yǐ)從全球低分辨率的(de)衛星影像放大(dà)到(dào)高尺度的(de)衛星影像。

　　04.開放街道(dào)地(dì / de)圖

　　開放街道(dào)地(dì / de)圖是(shì)以(yǐ)人(rén)人(rén)都可以(yǐ)編輯的(de)世界地(dì / de)圖爲(wéi / wèi)其宗旨。全球有幾百萬會員每天都在(zài)世界不(bù)同的(de)國(guó)家和(hé / huò)地(dì / de)區編輯和(hé / huò)錄入數據。其中人(rén)道(dào)主義援助的(de)貢獻特别突出(chū)，比如海地(dì / de)和(hé / huò)尼泊爾地(dì / de)震期間就(jiù)有全球的(de)志願者通過高清衛星影像編輯地(dì / de)圖，比如勾畫出(chū)哪個(gè)地(dì / de)段的(de)道(dào)路和(hé / huò)房子(zǐ)被毀了(le／liǎo)，哪裏是(shì)最近的(de)救援點和(hé / huò)醫院等等。

　　開放街景地(dì / de)圖可以(yǐ)作爲(wéi / wèi)機器學習的(de)訓練數據集，特别是(shì)訓練數據中的(de)标簽數據。我們最近開發了(le／liǎo)一(yī / yì ／yí)個(gè)開放的(de)python數據包，叫做Label Maker。該數據包可以(yǐ)從開放街道(dào)地(dì / de)圖的(de)API匹配同個(gè)地(dì / de)區的(de)Mapbox衛星影像來(lái)生成包括TensorFlow、MXNet、Pytorch、Theano和(hé / huò)Keras框架下的(de)深度學習訓練數據集。

　　我們在(zài)Label Maker的(de)上(shàng)面放了(le／liǎo)幾個(gè)機器學習的(de)案例，包括圖像分類和(hé / huò)對象檢測，大(dà)家可以(yǐ)去看看（我的(de)中文博客介紹）。

　　高分影像、開放街景地(dì / de)圖和(hé / huò)Label Maker，加上(shàng)雲計算，可以(yǐ)實現很多以(yǐ)往傳統的(de)中低分辨率遙感影像和(hé / huò)傳統的(de)衛星影像解譯無法做到(dào)的(de)。SkyNet是(shì)我們做圖像分割的(de)一(yī / yì ／yí)個(gè)機器學習方法，開放的(de)，大(dà)家可以(yǐ)去玩玩。

　　我們用SkyNet可以(yǐ)實時(shí)從高分遙感影像中解譯道(dào)路系統。當然SkyNet的(de)背後是(shì)劍橋大(dà)學在(zài)前幾年開發的(de)SegNet技術。機器學習中的(de)圖像分割（也(yě)是(shì)SkyNet）背後的(de)技術是(shì)目前無人(rén)駕駛汽車中主要(yào / yāo)使用的(de)計算機視覺技術之(zhī)一(yī / yì ／yí)。 我們現在(zài)還在(zài)開發更多、更新、運算更快的(de)算法。北美和(hé / huò)全球都有很多類似的(de)公司和(hé / huò)機構，開發各種深度學習、傳統機器學習在(zài)高分辨率遙感影像解譯中的(de)應用軟件包和(hé / huò)工具。希望未來(lái)可以(yǐ)給大(dà)家多多介紹。

       高分遙感影像的(de)出(chū)現和(hé / huò)人(rén)工智能可以(yǐ)幫我們做很多事情。作爲(wéi / wèi)這(zhè)個(gè)領域的(de)專業人(rén)士，我們該從應用的(de)角度出(chū)發，挖掘人(rén)工智能和(hé / huò)高分影像的(de)應用。比如對于(yú)智能城市的(de)建設，第一(yī / yì ／yí)道(dào)數據關口是(shì)我們的(de)城市裏道(dào)路建設和(hé / huò)房屋狀況是(shì)怎麽樣的(de)？哪裏發展最快，哪裏比較慢，爲(wéi / wèi)什麽？洪澇災害來(lái)了(le／liǎo)哪裏會受災比較嚴重？醫院學校都建在(zài)哪裏，其他(tā)的(de)公共設施都建在(zài)哪裏？

　　高分遙感的(de)實時(shí)更新以(yǐ)及人(rén)工智能的(de)快速運算，需要(yào / yāo)能夠回答智能城市建設的(de)最基本問題。比如下圖，通過對比人(rén)工智能模型的(de)建築占地(dì / de)面積預測結果和(hé / huò)已經在(zài)地(dì / de)圖上(shàng)标記的(de)建築占地(dì / de)面積，就(jiù)可以(yǐ)找出(chū)一(yī / yì ／yí)個(gè)城市哪些建築是(shì)新的(de)、還沒有标記在(zài)地(dì / de)圖上(shàng)的(de)。開放街景地(dì / de)圖的(de)制圖任務管理人(rén)員可以(yǐ)号召制圖志願者到(dào)這(zhè)些地(dì / de)方添加沒有地(dì / de)圖标記的(de)建築物。同樣的(de)道(dào)理，人(rén)工智能和(hé / huò)高分辨率遙感影像的(de)結合，除了(le／liǎo)可以(yǐ)幫城市規劃機構标記城市化的(de)進程外，遙感的(de)多光譜波段還可以(yǐ)“看見”城市建築物的(de)材料，從而(ér)“預見”城市在(zài)不(bù)同自然災害下的(de)脆弱程度，這(zhè)對災後重建工作也(yě)會起到(dào)很大(dà)作用。

淺見未來(lái)

　　01.人(rén)工智能也(yě)需要(yào / yāo)加入人(rén)的(de)協助

　　目前人(rén)工智能在(zài)高分辨率遙感影像上(shàng)的(de)應用日新月異，但是(shì)因爲(wéi / wèi)衛星遙感影像應用難度，以(yǐ)及人(rén)工智能本身的(de)應用瓶頸，還不(bù)能實現全程的(de)自動化。因此，從衛星影像采集到(dào)衛星影像解譯和(hé / huò)數據整理一(yī / yì ／yí)條龍服務還難以(yǐ)達到(dào)。不(bù)過，相關專業人(rén)士可以(yǐ)在(zài)這(zhè)個(gè)過程中助力。

　　比如上(shàng)面提到(dào)的(de)道(dào)路系統和(hé / huò)房屋建築占地(dì / de)面積預測在(zài)一(yī / yì ／yí)定程度上(shàng)是(shì)可以(yǐ)實現全程自動化的(de)，但是(shì)還有大(dà)量案例是(shì)無法全部自動化的(de)。

　　2018年我們幫助世界銀行制作巴基斯坦、尼日利亞和(hé / huò)贊比亞三國(guó)的(de)高壓電網圖。高壓電網在(zài)高分辨率影像中是(shì)非常難以(yǐ)分辨的(de)，我們通過人(rén)工智能模型預測高壓電塔的(de)分布、引導專業制圖人(rén)員制圖的(de)方式完成，這(zhè)要(yào / yāo)比傳統人(rén)工查看高壓電塔、畫高壓電網的(de)方法在(zài)速度上(shàng)提高了(le／liǎo)33倍工作産出(chū)（該方法現在(zài)是(shì)開放的(de)報告和(hé / huò)模型方法，可供大(dà)家參閱）。

02.高分辨率影像解譯和(hé / huò)人(rén)工智能要(yào / yāo)完成三件事

　　現在(zài)人(rén)工智能（機器學習和(hé / huò)深度學習）和(hé / huò)高分辨率遙感的(de)解譯和(hé / huò)應用熱情空前高漲，但是(shì)所有業内人(rén)士也(yě)不(bù)能忽略這(zhè)個(gè)問題：如何從高分遙感影像中提取可直接應用的(de)數據。

　　這(zhè)個(gè)問題不(bù)是(shì)專業人(rén)士拍拍腦袋就(jiù)能夠決定的(de)，而(ér)是(shì)應該從不(bù)同應用案例和(hé / huò)使用者的(de)角度出(chū)發來(lái)解譯和(hé / huò)整理數據。比如同樣的(de)方法論，我上(shàng)面提到(dào)的(de)應用圖像分割從高分辨率遙感影像中提取道(dào)路系統。城市規劃師需要(yào / yāo)的(de)數據與交通管理部門不(bù)同，澇災情況下的(de)導航需要(yào / yāo)的(de)道(dào)路系統也(yě)與災後重建所需要(yào / yāo)的(de)不(bù)同。

　　道(dào)路系統屬性不(bù)同，能夠支持不(bù)同的(de)工作和(hé / huò)需求。因此，機器學習算法工程師和(hé / huò)高分辨率遙感影像解譯的(de)工作，必須能夠滿足三方面的(de)要(yào / yāo)求：第一(yī / yì ／yí)，數據的(de)完整性；第二，預測的(de)準确性；第三，數據的(de)應用性。其中，第三個(gè)條件不(bù)應該是(shì)最後考慮的(de)，而(ér)是(shì)要(yào / yāo)在(zài)人(rén)工智能模型的(de)開發過程中貫穿始終。

　　希望我們可以(yǐ)一(yī / yì ／yí)起做更多更有意義的(de)工作，通過開放的(de)軟件開發服務更多的(de)社區、地(dì / de)區、國(guó)家和(hé / huò)需要(yào / yāo)數據的(de)人(rén)。

文章轉載泰博網