從遙感數(shù)據(jù)中認(rèn)識更加真實(shí)的地球，讓 AI 與人交互實(shí)現(xiàn)高效精準(zhǔn)的識別和判斷。本期和鯨科技《對話數(shù)智》邀請了遙感技術(shù)專家、中國自然資源航空物探遙感中心的于峻川老師，分享其對于遙感數(shù)據(jù)與 AI 新技術(shù)融合應(yīng)用現(xiàn)狀與未來的見解。

受邀人丨于峻川

中國自然資源航空物探遙感中心

遙感應(yīng)用技術(shù)研究所

采訪人丨殷自強(qiáng)

Heywhale 和鯨科技

目錄

01 遙感數(shù)據(jù)，采集、特點(diǎn)與應(yīng)用

02 AI 的引入，現(xiàn)狀與優(yōu)勢

03 AI 的引入，挑戰(zhàn)與融合

04 多維協(xié)同，現(xiàn)狀、核心與期待

殷自強(qiáng). 述

于峻川與殷自強(qiáng)在進(jìn)行交談（左：殷自強(qiáng) 右：于峻川）

本次訪談實(shí)錄，您可前往 ModelWhale 微信視頻號觀看

01 遙感數(shù)據(jù)，采集、特點(diǎn)與應(yīng)用

“利用遙感數(shù)據(jù)，能夠幫助我們更好地平衡人、數(shù)字、社會、自然資源的關(guān)系”

殷自強(qiáng)：非常感謝于老師接受我們這一期的采訪。我們知道于老師的單位是自然資源部航空物探遙感中心，其實(shí)大家之前聽說過比較多的是衛(wèi)星遙感，于老師可否給我們介紹一下航空遙感與衛(wèi)星遙感之間有怎樣的區(qū)別？以及現(xiàn)在的遙感數(shù)據(jù)，主要的采集方式是什么？

于峻川：遙感是非直接接觸式探測和感知目標(biāo)的一種技術(shù)，這里面就存在著一個(gè)“距離”的概念。通過這個(gè)方向，我們可以把它區(qū)分成地面遙感、航空遙感，和航天遙感。航空遙感獲取數(shù)據(jù)的高度一般是在幾百米到幾千米，而航天遙感可能達(dá)到幾百千米。另外二者承載的遙感平臺不一樣，像無人機(jī)、有人機(jī)、飛艇，這些都屬于航空的范疇，航天的話那就是衛(wèi)星了。

航空遙感最大的特點(diǎn)在于，它的分辨率是比較高的?，F(xiàn)在的光學(xué)航空遙感數(shù)據(jù)可以達(dá)到厘米級的分辨率，高光譜的數(shù)據(jù)咱們國內(nèi)可以做到亞米級的，達(dá)到 0.5 米這樣的水平。當(dāng)然這還是要根據(jù)高度來的，如果高度再低，測量還可以更加精確，但從整體上講，航空數(shù)據(jù)的分辨率是比衛(wèi)星數(shù)據(jù)要高一個(gè)數(shù)量級的。

而與此同時(shí)，航空數(shù)據(jù)獲取的成本也比較高。用無人機(jī)還好，如果是有人機(jī)，那就要考慮飛機(jī)、設(shè)備的運(yùn)輸、安裝、維護(hù)，以及需不需要有地面的人員做幾何、輻射的標(biāo)定，如果要做應(yīng)用還可能涉及到同步測量，這些都是它的成本。除此之外，還存在一些不確定的因素，比如天氣情況是否滿足拍攝的條件，空域是否合適等等。

從我曾參與過的幾次航空飛行的經(jīng)驗(yàn)看，好像沒有一次能夠完整地、連續(xù)地把數(shù)據(jù)從頭到尾獲取完。實(shí)際的情況很有可能是人員和設(shè)備全都準(zhǔn)備好了，天氣也很不錯，準(zhǔn)備第二天就開始干，但突然收到消息說第二天有個(gè)軍事活動，空域不通過，需要等兩天。結(jié)果等兩天以后再查天氣預(yù)報(bào)，下面一周又全都是陰天。一旦這些情況一發(fā)生，成本就會變得很高，本來用3、4個(gè)架次就可以獲取到的數(shù)據(jù)，最后可能要一兩個(gè)月才能收尾。另外，即使是非常理想地把數(shù)據(jù)全部獲取完了，它實(shí)際整個(gè)有效的數(shù)據(jù)面積基本上跟現(xiàn)在國內(nèi)高分衛(wèi)星數(shù)據(jù)獲取的一景的面積也差不多。所以從成本和效率的角度去考慮，衛(wèi)星實(shí)際上會更有優(yōu)勢。

咱們國家衛(wèi)星產(chǎn)業(yè)的發(fā)展還是很快的，載荷類型非常多，有很多可選性。衛(wèi)星的受眾本身也更多、服務(wù)面更廣，因此它的數(shù)據(jù)、服務(wù)，整體的鏈條做的比較好。現(xiàn)在的產(chǎn)品基本上都是按級別處理好，用戶通過選擇級別就可以直接使用了，比如大家都知道的 Google Earth Engine，就是收集了很多開源的數(shù)據(jù)產(chǎn)品，直接把反射率上到了平臺上，用戶只要通過簡單的編程就可以在很快的時(shí)間內(nèi)形成自己想要的成果。

再看航空數(shù)據(jù)，因?yàn)轱w機(jī)在獲取的過程中是一個(gè)抖動的狀態(tài)，所以不但要獲取數(shù)據(jù)，還要獲取飛行器的姿態(tài)，因此在后面做幾何處理的時(shí)候也就要考慮更多因素。另外航空數(shù)據(jù)一般都是一個(gè)航帶一個(gè)航帶這樣獲取的，所以獲取的過程中會產(chǎn)生時(shí)間差，太陽的高度角、輻射都發(fā)生了變化，最后要想把數(shù)據(jù)變成一個(gè)整體，可能要有一些額外的操作。整體上來講，航空數(shù)據(jù)整個(gè)機(jī)載的處理流程、體系，還沒有衛(wèi)星那么完善。

但是總的來說，這兩個(gè)技術(shù)的定位是不一樣的。在可選的情況下，如果能滿足需求的話，肯定是衛(wèi)星的成本更低一點(diǎn)，且現(xiàn)在的發(fā)展趨勢也越來越好，但有些細(xì)分場景沒辦法用衛(wèi)星數(shù)據(jù)，為了最后要滿足需求，只能選擇分辨率更高、成本更高的航空數(shù)據(jù)。

殷自強(qiáng)：通過衛(wèi)星、通過航空，通過不同的技術(shù)，聽下來感覺到目前其實(shí)我們已經(jīng)采集到了大量的遙感數(shù)據(jù)。那遙感它作為一種相對特殊的數(shù)據(jù)介質(zhì)，我不知道它跟我們傳統(tǒng)所理解的那種圖像數(shù)據(jù)之間有什么異同呢？遙感數(shù)據(jù)它自身的特點(diǎn)是怎樣的？

于峻川：圖像數(shù)據(jù)跟遙感數(shù)據(jù)，首先肯定是有一些共同點(diǎn)的，比如說它存儲的方式、呈現(xiàn)的方式都是一樣的。但實(shí)際上，它們有一些本質(zhì)的區(qū)別，那就要回歸到遙感的原理上了。

遙感實(shí)際上本質(zhì)是一種電磁波，電磁波是有波長的，通常我們接觸到的常用的遙感的波長，包括了紫外部分、可見、短波、近紅外、中紅外、熱紅外、微波這些。而自然圖像，基本就是在 400-700 這個(gè)可見光范圍內(nèi)取了 rgb，就是紅、綠、藍(lán)三個(gè)波段，它只是三個(gè)波段。所以，遙感數(shù)據(jù)可以獲取到可見光之外的這部分，它具備的是對人看不到的那些信息的獲取能力。

另外，遙感的波段數(shù)通常都是要大于三個(gè)波段的，多光譜有幾個(gè)到十幾個(gè)波段，高光譜，像咱們國家之前發(fā)射的那個(gè)高分五號，有300多個(gè)波段。通過更多波段，對于同一個(gè)地物，遙感就能輸出更多信息來幫助你去進(jìn)行判斷。同樣的，自然界拍攝的圖片，它是由 0-255 這種色值數(shù)字組成的，是無量綱的，而遙感數(shù)據(jù)通過一定處理后得到的包括輻亮度、反射率、發(fā)射率以及地形的高度等信息，都是有物理意義的。所以不同維度的信息也能幫助我們更好地去判斷目標(biāo)。

還有一點(diǎn)不同的是，遙感數(shù)據(jù)是有地理信息的，雖然說現(xiàn)在我們拍攝的照片也有一些定位信息，但這還是不太一樣。通過地理信息，我們可以將不同時(shí)間段的、不同載荷獲取的遙感數(shù)據(jù)做更好的互動。其實(shí)現(xiàn)在有一種趨勢是利用互聯(lián)網(wǎng)、利用社交網(wǎng)絡(luò)去將信息社會跟自然環(huán)境聯(lián)系得更緊密一些，那這里面的一種媒介就是圖像或者視頻。而遙感數(shù)據(jù)，它本身就具備了這樣的屬性。所以利用遙感數(shù)據(jù)，能夠幫助我們更好地平衡人、數(shù)字、社會、自然資源的關(guān)系。

殷自強(qiáng)：所以遙感數(shù)據(jù)相比圖像數(shù)據(jù)來說，是具備了更高維度的信息。維度越高，所具備的價(jià)值肯定也就越大?，F(xiàn)在我們的遙感數(shù)據(jù)主要會應(yīng)用在哪些方面，在解決什么樣的問題呢？

于峻川：我們提到的高維其實(shí)是來源于三個(gè)方面，就是高空間、高時(shí)間，還有高光譜。

空間比較好理解，像傳統(tǒng)遙感做的解譯，它是在一個(gè)二維的平面里去確定目標(biāo)是什么、定位在哪里、范圍有多大，其實(shí)是在解決“數(shù)量是多少”的問題。

時(shí)間是說，我們可以通過長時(shí)間序列的分析來得到目標(biāo)變化和發(fā)展的規(guī)律。這其實(shí)是趨勢的分析，也可以稱之為變量的分析。

高光譜就會稍微復(fù)雜一點(diǎn)了。前面咱們說自然圖像是三個(gè)波段，那如果是一個(gè)從400到2500波長范圍內(nèi)的高光譜，每一個(gè)波長都會有一個(gè)數(shù)值，把這些數(shù)值連起來的話就會成為一條曲線。因?yàn)椴煌牡匚镌陔姶挪ú煌ㄩL位置上吸收和反射的特性是不一樣的，所以在光譜曲線中呈現(xiàn)出來的形態(tài)也是不一樣的，通過這個(gè)特征就能很好地進(jìn)行區(qū)分。

舉一個(gè)例子說，同樣的綠色草地，我們不能確定它是真的還是假的，因?yàn)轭伾且粯拥乃晕覀內(nèi)艘矝]有辦法確定，但是當(dāng)用高光譜照了以后，就能發(fā)現(xiàn)其中的不同了；再比如水體，它在近紅外的部分幾乎是完全吸收的，按理說它是沒有什么特征的，所以利用這部分波段可以更好地把水體的信息提取出來，而當(dāng)水體里面有很多泥沙或是很多其他植物的話，整個(gè)的光譜曲線就又會發(fā)生變化；還有森林、草地、農(nóng)作物，如果遭受了蟲災(zāi)，那它在光譜上也會有一定表現(xiàn)，包括我們現(xiàn)在正在做的，地質(zhì)領(lǐng)域里礦物信息的提取，也都是這類原理。所以高光譜這個(gè)維度，解決的是質(zhì)量的問題。

根據(jù)前面提到的這個(gè)數(shù)量、變量，還有質(zhì)量，三方面結(jié)合基本上就可以解決自然資源領(lǐng)域里面大多數(shù)的問題了。再隨著遙感數(shù)據(jù)的不斷豐富，以及像人工智能這類新方法的加入，它的作用會變得越來越大。

02 AI 的引入，現(xiàn)狀與優(yōu)勢

“人工智能如果考慮遙感數(shù)據(jù)的特點(diǎn)，再結(jié)合一些新方法，可以發(fā)揮重要的作用?！?/p>

殷自強(qiáng)：剛于老師提到了現(xiàn)在隨著遙感數(shù)據(jù)的積累，以及技術(shù)上新興的 AI 等相關(guān)方法的出現(xiàn)，我們可以用一些更好的、基礎(chǔ)的手段去解決更多問題。

遙感數(shù)據(jù)是作為一種技術(shù)，來處理類似于植物、礦物等相關(guān)識別的問題，那 AI 它在遙感領(lǐng)域中研究與應(yīng)用的現(xiàn)狀又是怎樣的?

于峻川：我記得大概從2012年開始，人工智能興起了以后就一直是在 CV 領(lǐng)域里面迭代，直到2015年才開始逐步地進(jìn)入到遙感領(lǐng)域。它的發(fā)展我認(rèn)為是可以分為幾個(gè)階段的。

開始的時(shí)候大家可能認(rèn)為這個(gè)技術(shù)只是一個(gè)熱點(diǎn)而已，很快就會過去，所以是很多人是在旁觀，后面在做一些艦船的識別、建筑物的識別，逐漸看到效果了，它又開始被很多人追捧。這是最有爭議的階段，有些人認(rèn)為人工智能非常厲害，好像什么都能做，也有些人非常抵觸。然后一直到近兩年，它實(shí)際是普遍地被大眾所接受了，也逐漸地深入到遙感各個(gè)細(xì)分的行業(yè)里面了?，F(xiàn)在有兩個(gè)趨勢是比較明確的，一個(gè)是它正逐漸地在各個(gè)細(xì)分領(lǐng)域迭代、深化，這是縱向的發(fā)展；另一個(gè)是它正在跟其他的交叉學(xué)科不斷融合，這是橫向的發(fā)展。

從我工作的角度來說，我認(rèn)為 AI 技術(shù)最主要有兩方面的價(jià)值吧。一個(gè)是它可以替代一些傳統(tǒng)的、重復(fù)性的工作。舉個(gè)例子，像我們航遙中心之前也是會接收遙感數(shù)據(jù)，這個(gè)量還挺大的，每天有幾百景，當(dāng)時(shí)用傳統(tǒng)的方法很難把云給準(zhǔn)確地檢測出來，所以主要是靠人工來做，工作量非常大。后來有一個(gè)機(jī)會，我們做了一個(gè)針對高分五衛(wèi)星的項(xiàng)目，利用人工智能技術(shù)實(shí)現(xiàn)了云的快速檢測，只需要輸入 rgb 的信息就可以準(zhǔn)確地判斷出來，并且還能跟易混淆的地物進(jìn)行區(qū)分，包括冰川等信息都可以區(qū)分出來。另外，數(shù)據(jù)本身存在的缺失、噪聲，包括無效的數(shù)據(jù)，也可以通過分類的方式剔除掉。因此，利用人工智能，我們是做了一個(gè)比較好的盡可能自動化的質(zhì)檢系統(tǒng)，這是它起的一個(gè)很主要的作用。

另一個(gè)方面，我認(rèn)為人工智能現(xiàn)在可以解決一部分我們?nèi)说淖R別認(rèn)知的問題。比如說我們現(xiàn)在做的一個(gè)任務(wù)是在 InSAR 形變的相位數(shù)據(jù)中找跟地質(zhì)災(zāi)害相關(guān)的形變特征，這個(gè)特征在呈現(xiàn)上其實(shí)跟那種地面沉降造成的特征是非常相似的，包括數(shù)據(jù)里面還有一些其他噪聲的干擾，所以從數(shù)值上很難用傳統(tǒng)方法把它剔除掉，但是又要去區(qū)分它跟其他類型的異常的差異，這里我們也引入了人工智能的方法來幫助我們?nèi)プ鲎R別和判斷。

實(shí)際上我們覺得，人工智能如果能考慮到遙感數(shù)據(jù)的特點(diǎn)，再結(jié)合一些新的方法，可以發(fā)揮很重要的作用。

殷自強(qiáng)：我聽說于老師前兩周也出差去野外驗(yàn)證 AI 識別相關(guān)的最后的結(jié)果，能給我們分享一下那個(gè)項(xiàng)目的經(jīng)歷嗎？

于峻川：我們這個(gè)項(xiàng)目是地質(zhì)災(zāi)害隱患綜合遙感識別，一方面通過光學(xué)數(shù)據(jù)去識別出區(qū)域內(nèi)滑坡的形態(tài)，另一方面通過人工智能技術(shù)做承災(zāi)體的一些道路、水體的識別，然后用我剛才提到的 InSAR 數(shù)據(jù)找到隱患的目標(biāo)，這兩個(gè)數(shù)據(jù)相結(jié)合能大致地把這個(gè)區(qū)域上有可能的目標(biāo)給找到，最后再結(jié)合專家知識把最終的隱患提取出來。這個(gè)過程中，我們?nèi)ヒ巴庾龅氖虑榫褪侨ヲ?yàn)證我們提取的結(jié)果對不對。

殷自強(qiáng)：最后驗(yàn)證效果怎么樣？

于峻川：驗(yàn)證效果我們覺得還是非常不錯的，但是也發(fā)現(xiàn)了一些需要改進(jìn)的點(diǎn)。一方面是針對特別小的目標(biāo)，我們的算法還是有忽略的情況；另外有一部分它并不是目標(biāo)，就是容易錯的這些，我們可能后續(xù)還需要通過增加一些困難樣本把它更好地區(qū)分。但是整體上效果我們還是滿意的，覺得是有潛力的。

03 AI 的引入，挑戰(zhàn)與融合

“聚焦到要識別的目標(biāo)，采用的方法也要從目標(biāo)和場景的特點(diǎn)去出發(fā)”

殷自強(qiáng)：通過于老師的講述我們可以感受到現(xiàn)在 AI 它并不只是停留在 paper 層面，停留在實(shí)驗(yàn)室層面，而是真的已經(jīng)在去解決一些實(shí)際的問題了。尤其是像于老師講的地質(zhì)災(zāi)害相關(guān)的問題，會讓我們感覺說在未來 AI 一定會對整個(gè)民生起到更大的價(jià)值。

那從另一個(gè)角度看，之前像地質(zhì)調(diào)查其實(shí)已經(jīng)有許多的方法在進(jìn)行了，隨著 AI 新方法的引入，它會對我們現(xiàn)有的工作流和基礎(chǔ)設(shè)施帶來什么改變嗎？這方面想請于老師來給我們分享一下。

于峻川：確實(shí)是有很大改變的。我們以前處理遙感數(shù)據(jù)是利用 ENVI-IDL 通過編程來處理，但它其實(shí)對計(jì)算資源的利用率并不是很高，后面我們的分析方法有了 GPU 之后就有所改善了，可以提高它的效率，但也是遇到了一些問題。

我們開始用的是單機(jī)單卡和單機(jī)多卡，很快就滿了就沒法用了，就又采用了集群的方式，但是集群又帶來了新的問題。我們的需求是希望每個(gè)人都能夠有自己的實(shí)踐環(huán)境，但針對一些比較大的問題又能把所有的計(jì)算資源利用起來解決這個(gè)問題，所以我們就需要有一個(gè)平臺來幫我們把存儲和計(jì)算資源給整合起來。

另外我們現(xiàn)在的數(shù)據(jù)分析基本上都是用 python 在做，那么原來的那套工作流就可能涉及到遷移的問題，如果都遷移到 python 平臺肯定是可以跟深度學(xué)習(xí)更好地融合，但是這就提出了一個(gè)新的要求，就是怎么去做模型的管理、數(shù)據(jù)的管理、任務(wù)的管理。

另一個(gè)方面是，我們研究的過程會做很多實(shí)驗(yàn)，這里面涉及到了不同數(shù)據(jù)的組合、模型的組合，還有調(diào)參。在實(shí)際應(yīng)用中，我們覺得有一個(gè)點(diǎn)非常麻煩，就是我需要一直盯著它看，這個(gè)實(shí)驗(yàn)跑完了之后再跑下一個(gè)，就需要有人盯著，另外實(shí)驗(yàn)結(jié)果怎么樣也還是得去查看，所以實(shí)驗(yàn)多了之后這個(gè)過程就顯得非常繁瑣。

我們理想的狀態(tài)是我先把數(shù)據(jù)、模型、參數(shù)在前面先定好，然后通過一個(gè)平臺來執(zhí)行離線的任務(wù)，每執(zhí)行完一個(gè)之后可以郵件通知我這個(gè)任務(wù)已經(jīng)算完了，并結(jié)果也附上去，當(dāng)所有實(shí)驗(yàn)都跑完了之后，再發(fā)一個(gè)對比的報(bào)告給我，這樣就會輕松很多。

所以說我們面臨的主要問題，其實(shí)一個(gè)是計(jì)算的壓力，雖然算力現(xiàn)在是滿足了，但是怎么能把資源更好地整合起來，是這個(gè)壓力；另外一個(gè)呢就是隨著新技術(shù)的到來，我們整個(gè)工作流可能是有變化的，如何去搭建工作流，這是一個(gè)問題。

我也嘗試了很多云計(jì)算平臺，綜合下來我發(fā)現(xiàn)咱們和鯨的 ModelWhale 在這里面確實(shí)是比較優(yōu)秀的，基本上能夠解決我上面提到的大部分的問題，包括在線的 VScode 功能，還有和鯨社區(qū)，環(huán)境都非常不錯，所以也是希望更多這個(gè)從事遙感的研究者能夠把咱們這個(gè)平臺給用起來吧。

殷自強(qiáng)：非常感謝于老師的認(rèn)可，我們也是一直希望能夠幫助我們的科研人員專注于自己的研究工作，在大家引入了 AI 相關(guān)的新方法后，可以通過我們平臺去解決這種計(jì)算問題、存儲問題、整個(gè)模型全生命周期的管理問題等等。我們相信對于領(lǐng)域 knowhow ，對于整個(gè)過程的探索，最重要的這些方面的時(shí)間才是科研人員真正需要去 involve 進(jìn)去的。

那剛才咱們講的主要是工作流相關(guān)的問題，實(shí)際真正在去用那些 AI 算法的時(shí)候，在遙感領(lǐng)域它的適用性又如何呢？以及現(xiàn)在主要在用的是哪些類型的算法，于老師能否給我們講解一下。

于峻川：實(shí)際上現(xiàn)在 CV 里面用到的算法在遙感領(lǐng)域基本上也都用得到，包括遙感里面的目標(biāo)檢測、語義分割、變化檢測，還有異常檢測，基本上都會涉及到，就像我前面說的，它已經(jīng)深入到了遙感的各個(gè)方面。但是對于那些跟 CV 里面的自然圖像更相近案例，效果會更好一點(diǎn)，比如說人臉識別、艦船識別，它們都符合一個(gè)特點(diǎn)，就是目標(biāo)判斷的規(guī)則是非常明確的，訓(xùn)練樣本也比較多，變化不會特別大。只要符合這個(gè)特點(diǎn)，我們就認(rèn)為它做出來的效果應(yīng)該是比較不錯的。

但是我們前面也提到了，遙感它有自己的特點(diǎn)，所以在 CV 領(lǐng)域里面迭代出來的模型，包括得到的一些結(jié)論，有些在遙感里就不一定正確，這是需要注意的。另外遙感畢竟是一門技術(shù)，最后是要應(yīng)用的，那么在應(yīng)用場景里可能就需要額外地去想更多解決方案，比如說道路提取中的聯(lián)通性的問題、變化檢測中的建筑物遮擋的問題，都需要思考更多方案來解決。

現(xiàn)在有很多研究是直接把 CV 領(lǐng)域里原有的一些模型方法遷移過來，當(dāng)然這也是一個(gè)必經(jīng)的階段，但是我覺得往后可能有更多關(guān)于融合遙感的研究可以開展。

一方面遙感在應(yīng)用領(lǐng)域的標(biāo)簽其實(shí)不是特別好獲取，剛才提到的那個(gè)云檢測是一個(gè)特例，有些比較專業(yè)的場景，本身那個(gè)標(biāo)簽數(shù)據(jù)獲取就比較困難，因此它是一個(gè)小樣本的問題。那在解決這種小樣本問題的時(shí)候，所用到的骨干網(wǎng)絡(luò)如果太重的話，可能就會導(dǎo)致過擬合，所以就需要多去調(diào)試、多去想一些輕量化的網(wǎng)絡(luò)來設(shè)計(jì)。

其次，我們知道 CV 領(lǐng)域很多都是采用模型初始化的方法，用 ImageNet 做初始化，但是遙感的波段多，波段數(shù)也不一致，就可能用不了。我在想我們能不能做一個(gè)遙感領(lǐng)域的 ImageNet?，如果有這個(gè)的話可能對后邊的研究有很大幫助，因?yàn)槟壳暗臓顟B(tài)大家都是不同領(lǐng)域自己弄自己的，缺乏一個(gè)統(tǒng)一的、大的數(shù)據(jù)集。

另外，CV 里面常用的數(shù)據(jù)增強(qiáng)的方法其實(shí)對于遙感數(shù)據(jù)來說很多都是沒有太好效果的。遙感數(shù)據(jù)里面的變化是由什么引起的呢？一方面是時(shí)間，時(shí)相不同，輻射的條件產(chǎn)生了變化會造成影響；另一方面是空間，比如同樣一個(gè)目標(biāo)，現(xiàn)在的背景是草地，回頭也可能換成是林地或者野外的場景。能不能通過這些角度去設(shè)計(jì)一些新的數(shù)據(jù)增強(qiáng)的方法，也是一個(gè)值得研究的問題。

其他還包括現(xiàn)有 CV 模型里，因?yàn)樗ǔ５臄?shù)據(jù)只有三個(gè)波段，所以對于遙感多光譜高光譜信息里面光譜的連續(xù)性也沒有考慮到；還有多源的遙感數(shù)據(jù)如何用深度學(xué)習(xí)進(jìn)行數(shù)據(jù)的融合；還有最重要的一點(diǎn)，現(xiàn)有的這人工智能的技術(shù)，怎么與傳統(tǒng)的方法、一些物理模型相結(jié)合，這是未來非常值得發(fā)展的點(diǎn)。

總體來看，隨著人工智能在行業(yè)里應(yīng)用得逐漸深入，它面臨的問題實(shí)際上是越來越復(fù)雜的，肯定不是像我們最開始做的水的提取、艦船的識別這種。很多時(shí)候給我們提出來的問題是寬泛的、是模糊的，我覺得更重要的是對場景的理解，要去聚焦到你要識別的目標(biāo)，然后采用的方法也要從目標(biāo)和場景的特點(diǎn)去出發(fā)，我認(rèn)為更重要的是這樣的一個(gè)過程。

殷自強(qiáng)：理解。但是要對傳統(tǒng)的場景去做更好的理解，也就是說在具體問題中設(shè)計(jì)相關(guān)模型，最好是我們以前就在研究遙感的這批人能夠自己再去具備 AI 相關(guān)的知識，那像這類復(fù)合型人才的培養(yǎng)，目前現(xiàn)狀是什么樣子的呢？

于峻川：你說的非常對，表面看我們搞人工智能的，好像只要你給我提供行業(yè)的數(shù)據(jù)我就能去解決問題，但其實(shí)深入之后并不是這樣的。

為什么要復(fù)合型的人才？他要了解行業(yè)里的核心需求是什么、傳統(tǒng)的工作鏈路是怎樣的，然后才能知道里面哪些步驟是可以用人工智能優(yōu)化的。另外，采用的優(yōu)化方法是否可行，這也很復(fù)雜。目前我們的復(fù)合型人才，其實(shí)絕大多數(shù)都還是在實(shí)踐中培養(yǎng)起來的。

不過我發(fā)現(xiàn)近些年的研究生，好像都能夠比較主動地去學(xué)習(xí)這方面的知識了，比如說 python 語言等等，這是非常好的一面。像我前些年招的學(xué)生，一般我都是從編程開始教，還有遙感的知識、人工智能的知識，這個(gè)過程就有點(diǎn)太長了。后面我想了一個(gè)辦法，在 github 上開了一個(gè)課程，然后根據(jù)項(xiàng)目的需求設(shè)置一些內(nèi)容，包括布置一些簡單的任務(wù)，那么學(xué)生只要把這個(gè)課程學(xué)完，基本上就能把模型、遙感的整個(gè)流程熟悉一遍了。在他學(xué)完之后，再讓他根據(jù)自己的認(rèn)識去豐富這個(gè)項(xiàng)目，這樣來形成一個(gè)良性的循環(huán)。

04 多維協(xié)同，現(xiàn)狀、核心與期待

“希望這個(gè)領(lǐng)域的從業(yè)者既要有信心，又要克制”

殷自強(qiáng)：這是一種實(shí)踐性學(xué)習(xí)的方法。那剛其實(shí)我們最早聊的時(shí)候有說到遙感已經(jīng)滲透到各個(gè)領(lǐng)域中去解決很多相關(guān)的應(yīng)用問題了，所以現(xiàn)在像跨學(xué)科合作，以及數(shù)據(jù)共享方面的現(xiàn)狀是如何的呢？

于峻川：我覺得從意愿上來說，大家是非常想要合作的，這個(gè)沒有任何問題。另外在政策上，包括可以看到一些項(xiàng)目的指南里，也不僅僅是要求你去做技術(shù)的跨領(lǐng)域融合，還強(qiáng)調(diào)組織上的產(chǎn)學(xué)研一體化，所以從政策上來說，也是非常支持的。

那么從市場的角度來說，我認(rèn)為用單一技術(shù)來解決問題的，是已經(jīng)經(jīng)過充分競爭，市場格局比較穩(wěn)定了，所以有潛力的主要還是在跨學(xué)科領(lǐng)域里面。像目前我們正在做的重點(diǎn)研發(fā)計(jì)劃的項(xiàng)目，其實(shí)就是一個(gè)非常典型的跨學(xué)科案例，這里面涉及到了地質(zhì)這塊做理論研究的、涉及到了指標(biāo)體系的構(gòu)建、涉及到用 InSAR 數(shù)據(jù)來解決問題、涉及到光學(xué)的數(shù)據(jù)、機(jī)載LiDAR，然后還包括了系統(tǒng)建設(shè)的方方面面。只有把這一個(gè)整體給做下來了，才能滿足落地應(yīng)用的需求。

那這些都是跨學(xué)科合作好的方面，但是在數(shù)據(jù)共享這塊我覺得還是有很多可以提升的空間。

首先我們現(xiàn)在沒有一個(gè)比較好的政策，其次沒有一個(gè)能夠人人都可以使用的數(shù)據(jù)平臺，第三點(diǎn)我覺得也是最重要的一點(diǎn)，就是我們現(xiàn)在缺少這種共享開放的環(huán)境，很多人都不認(rèn)可這個(gè)價(jià)值?，F(xiàn)在互聯(lián)網(wǎng)上大家都在倡導(dǎo)知識付費(fèi)，但是知識付費(fèi)了以后就越來越少的人愿意去免費(fèi)地、主動地共享自己的數(shù)據(jù)和成果了。我也不知道是不是因?yàn)檫@個(gè)原因，感覺現(xiàn)在參加一些會議，看到的很多都是關(guān)于自己成果的宣傳，中間的技術(shù)細(xì)節(jié)反而很少能夠聽到了。

所以我認(rèn)為無論是模型也好還是數(shù)據(jù)也好，無論它技術(shù)指標(biāo)有多高，這都只是一個(gè)方面，真正能夠使它得到認(rèn)可的應(yīng)該是看有多少人去使用它，并給出正面的評價(jià)。我非常希望無論是衛(wèi)星數(shù)據(jù)也好，還是行業(yè)里面的數(shù)據(jù)也好，都能夠盡可能地去開放。

殷自強(qiáng)：是的，我非常贊同于老師這個(gè)觀點(diǎn)，像在算法層面我們也一直說算法是需要被應(yīng)用才有價(jià)值的。那目前在遙感領(lǐng)域我們這些 AI 算法業(yè)務(wù)化的現(xiàn)狀又是怎樣的呢？

于峻川：人工智能在遙感領(lǐng)域的應(yīng)用，我覺得是處在一個(gè)磨合期。某些方面用了之后感覺效果不錯的，就是已經(jīng)基本具備了業(yè)務(wù)化的基礎(chǔ)了；而另一些，或者說大多數(shù)情況下，它其實(shí)還是沒有辦法去取代傳統(tǒng)的工作模式，更多的是在原有的業(yè)務(wù)鏈條里面取代其中的一部分。

但是最核心的，還是在于人。新的技術(shù)手段和傳統(tǒng)的業(yè)務(wù)鏈條之間，需要經(jīng)過一個(gè)迭代的過程去逐步地磨合，這個(gè)過程可能會持續(xù)很長時(shí)間，到最后形成一種人機(jī)智能交互的狀態(tài)，我認(rèn)為這可能是這個(gè)技術(shù)最后的落點(diǎn)。

那么我們?yōu)榱烁斓厝ゼ铀龠@個(gè)產(chǎn)業(yè)化的過程，就像前面提到的這幾個(gè)方面一樣，比如我們需要去培養(yǎng)更多跨領(lǐng)域的人才，我們希望像和鯨這樣比較優(yōu)秀的公司能夠去開發(fā)一些面向業(yè)務(wù)的系統(tǒng)平臺，還希望我們的數(shù)據(jù)，遙感數(shù)據(jù)也好、行業(yè)數(shù)據(jù)也好，都要更加開放。

另外還有一個(gè)比較重要的方面是，我認(rèn)為大家對于人工智能技術(shù)要有一個(gè)客觀的認(rèn)識。它只是一個(gè)算法，只是一個(gè)解決途徑。如果大家對它的期待過高，而短期又沒有看到效果，那會對整個(gè)業(yè)務(wù)化造成很大的困難。所以我希望這個(gè)領(lǐng)域的從業(yè)者既要有信心，又要克制，踏踏實(shí)實(shí)地把自己的工作或者技術(shù)做到落地，才能夠真正推進(jìn)業(yè)務(wù)化的發(fā)展。

殷自強(qiáng). 述

通過今天的訪談，我們可以看到遙感數(shù)據(jù)是蘊(yùn)含著巨大價(jià)值的。現(xiàn)在許多新的數(shù)據(jù)科學(xué)方法的成熟，尤其是 AI 技術(shù)的涌現(xiàn)，是在加速遙感數(shù)據(jù)的釋放，而在這個(gè)價(jià)值釋放過程中關(guān)鍵落腳點(diǎn)還是在人本身，需要以人為主體對這些不同的知識進(jìn)行融合。

我們需要創(chuàng)建一個(gè)良好的環(huán)境與平臺去改善研究者對不同知識的認(rèn)知以及對新型協(xié)作關(guān)系的認(rèn)知，這些認(rèn)知的改善才能從真正意義上利用好現(xiàn)在的新興技術(shù)，促進(jìn)整個(gè)遙感數(shù)據(jù)的挖掘與應(yīng)用。

查看訪談實(shí)錄、了解更多其他領(lǐng)域?qū)υ?/p>

ModelWhale 是和鯨科技旗下的數(shù)據(jù)科學(xué)協(xié)同平臺，將計(jì)算基礎(chǔ)設(shè)施、模型開發(fā)環(huán)境和團(tuán)隊(duì)管理環(huán)境進(jìn)行了深度的融合，提供了高度集成的能力和高度友好的體驗(yàn)，顯著提高團(tuán)隊(duì)用數(shù)據(jù)、建模型、做業(yè)務(wù)的工作效率。

ModelWhale 同時(shí)支持 SaaS 云端使用及本地私有化部署。如果你對 ModelWhale 感興趣，歡迎進(jìn)入?ModelWhale 官網(wǎng)?了解更多產(chǎn)品信息，也可點(diǎn)擊?聯(lián)系產(chǎn)品顧問（移動端跳轉(zhuǎn)）?或致電：021-8037 0235(轉(zhuǎn)8) 溝通交流。文章來源地址http://www.zghlxwxcb.cn/news/detail-789069.html

到了這里，關(guān)于人工智能在遙感領(lǐng)域的應(yīng)用，正處在一個(gè)磨合期丨對話數(shù)智 x 于峻川的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！