人工智能技术开启了遥感影像的自动化解译进程,相比人工目视解译方法大幅提升效率并降低成本,释放了商业遥感市场的活力。
智能时空云服务商土豆数据,通过既有智能遥感产品提供从遥感影像生产,到无缝衔接针对典型地物目标的自动化解译能力,有效降低各行各业使用遥感服务的技术门槛。
随着市场的不断扩大,用户对于遥感影像更多品类地物目标的定制化解译分析需求将不断增加。
对此,土豆数据以开源深度学习算法框架为基础,同步研发了“土豆AI(TudouAI)”,基于“云原生+AI”,以在线方式提供集样本标注、算法预置与开发、模型训练、模型管理及发布于一体的服务能力,满足AI模型训练和长期迭代优化的需求。
AI模型训练从简单易用开始
土豆AI有着简单易用的模型训练操作流程:
样本在线协同标注
样本数据集支持在线众包标注
训练样本的标注数量和质量关乎AI模型的训练成果。一方面,为提升样本标注的效率,土豆AI支持用户组建任意规模的在线众包标注团队,以在线方式协同完成样本数据集的标注生产工作;另一方面,样本数据集在标注完成后,产品提供了智能化的标注质检能力,从数据完整性、拓扑一致性、几何表达等方面形成自动化的质检报告,配合管理人员的验收,把握成果质量。
模型训练与优化
快速配置启动AI模型的自动训练
基于对开源算法的深度优化,土豆AI提供图像分割、变化检测、目标检测三种成熟的预置算法,行业用户可结合需要,在预置算法的基础上进行二次开发;对大多数用户而言,则可直接调用预置算法,在完成算力资源的配置后,即可启动任务,开始对AI模型的自动训练。模型训练的成果,通过模型推理环节验证是否符合预期,以及通过扩充样本数据进行迁移学习,从而持续提升模型精度。
模型管理及发布
AI模型成果管理
训练完成的AI模型,能够在模型库中有序管理。此外,AI模型成果可无缝衔接土豆数据的智能遥感产品,或应用于第三方遥感解译软件,帮助用户高效完成部署发布的最终流程,构建从标注、训练再到应用的完整闭环。
直击行业痛点共建AI模型生态
在云原生技术的助力下,土豆AI的AI模型训练,将随着算力资源的弹性增长,实现AI模型的快速迭代、优化,加速AI工程化落地进程。
土豆AI助力多样化的AI模型训练
这样的优势,得以让土豆AI更好地应对遥感AI解译在实际应用中遇到的痛点:
其一,由于不同地域(如南北方差异化地区)或同一地域在不同时期(如季节变化等)的同一类地物特征存在着差异,训练完成的AI模型,通常难以普适性地满足各类解译分析场景的需求。
因此,针对同类地物目标的解译,基于遥感影像的不同时序、空间和光谱特征训练AI模型,训练成果将更加具有应用的延展性。
其二,市场对于遥感影像的分析需求,伴随着遥感AI解译在生产力方面的提升变得更加多元化,例如同一地物的细分品类解译,以及多样化地物目标的解译,皆远远没能满足市场的需要。
面向定制化的遥感AI解译需求,土豆AI给予用户可持续拓展的AI模型训练与迭代能力,构建内容多样的遥感AI模型库。
整体来看,土豆AI在推动遥感影像价值深入挖掘的同时,赋能用户构建AI模型从训练到应用的完整业务体系。而从长远来看,遥感解译的AI模型生态聚合,更是土豆AI立足于土豆数据弗雷云,实现能力共享与能力接入的意义所在。
服务数字经济支撑业务决策
随着数字中国的建设和数字经济的发展,时空大数据已作为不可或缺的数据要素为千行百业所广泛利用。
这其中,对遥感影像的AI解译分析,目前已深入应用于自然资源、水利、农业、能源、交通、应急、金融等行业领域,构筑数字经济的时空底座,机遇与前景将蔚为可观。
土豆AI的研发,聚焦于遥感服务的社会化普及与遥感服务生态的建设,加速数据向知识的演进,实时驱动精准的决策与管理!