人类赖以生存的地球表面积约为5.1亿平方公里，而陆地面积仅占29.2%。经过数十亿年的进化和人类生活的改造，这些土地被划分为耕地、森林、草原、水域和建筑物等，现在，人工智能正在成为一种新的土地资源管理方式。

据记者了解，8月27日，在国际计算机视觉大会ICCV 2021上，达摩院的遥感AI平台AI EARTH接管了土地分类、遥感旋转框架、水平框架。 LUAI，遥感AI领域的权威赛事。目标检测领域的三位冠军。法学院研究人员表示，相关技术已应用于自然资源监管、水利河流管理、生态环境保护、农业产量估算等领域。

遥感影像是对地观测最重要的参考信息，但遥感卫星每天产生的影像数据规模庞大，仅靠人力资源无法有效识别。以土地分类为例。过去，要准确识别特定的土地类型，需要大量人力进行标注和统计。如今，人工智能在该领域的应用已逐渐取得显著成效。

官方资料显示，LUAI土地分类大赛提供了大规模的地物分类数据集GID-15。该数据集的图像包括工业建筑工地、城市居民区、农村居民区、交通用地和水田。有水田、旱田、园地、乔木林、灌木、天然草地、人工草地、河流、湖泊、池塘等15个标签类别。参赛团队需要准确识别和标注每幅图像的每个区块的土地类别。比赛共吸引了来自世界各地的62支队伍，达摩学院AI EARTH最终夺得冠军。

参赛队伍必须准确识别和标记??没有颜色分类的图像

据法学院AI地球团队介绍，不同类型的遥感图像大小差异很大。例如，道路和乡镇住宅的空间尺度相对较小，而河流和湖泊的规模则相对较大。 AI需要精准将资源分配到不同类型的区域，团队在最流行的Transformer模型的基础上，整合了多空间尺度的联合训练和预测方法。该方法在尺寸变化较大的遥感图像类别识别任务中取得了较好的效果。影响。

此外，遥感影像也存在类似的土地识别问题。例如，乔木林和灌木林属于同一林地。两者之间只有细微的差别。该团队使用了细粒度的地面特征。级联预测可以更有效地区分差异。

达摩学院AI EARTH算法对遥感影像的识别与分类效果

值得一提的是，达摩学院在LUAI遥感旋转框架和水平框架目标检测两项比赛中也取得了最好的成绩，能够准确识别共18种飞机、桥梁、卡车。对象最多可以识别单个图像中的数千个目标。

法学院资深算法专家李浩表示：“过去几年，人工智能与遥感图像的结合已经从理论探索阶段走向了实际应用，但人工智能技术的创新技术和应用还在继续，比如可视化的3D重构将成为未来的研究方向。”

目前AI EARTH相关技术已经应用到水利部、国家气象中心、生态环境部等机构。例如，生态环境部使用AI EARTH累计检测面积达17万平方公里，可自动提取疑似生态环境问题，有效提升生态保护效率。

上一篇：双碳目标 四川行动丨一张遥感影像如何“追踪”
下一篇：没有了