达摩院包揽遥感 AI 领域三项冠军，精准分类 15 种土地、检测 18 类目标

人类赖以生存的地球表面积大约为 5.1 亿平方公里，而陆地面积仅占 29.2%，这些土地历经数十亿年的演变及人类生活的改造，又被分割成耕地、森林、草地、水域及建筑等等，现在，AI 正在成为管理陆地资源的新途径。

8 月 27 日，据记者了解，在国际计算机视觉大会 ICCV 2021 上，达摩院遥感 AI 平台 AI EARTH 包揽遥感 AI 领域权威竞赛 LUAI 的土地分类、遥感旋转框、水平框目标检测三项冠军。达摩院研究人员表示，相关技术已应用于自然资源监管、水利河道治理、生态环境保护、农业估产等领域。

遥感影像是对地观测最重要的参照信息，但遥感卫星每日产生的影像数据规模巨大，仅靠人力无法高效识别。以土地分类为例，过去需要大量人力进行标注和统计，才能准确地识别特定的土地类型。而如今 AI 在该领域的应用逐步取得显著成果。

官方信息显示，LUAI 土地分类赛事提供了大规模的地物分类数据集 GID-15，该数据集的影像包含工业工地、城市居住区、乡镇居住区、交通用地、水田、灌溉田、旱作耕地、园地、乔木林、灌木林、自然草地、人工草地、河流、湖泊、池塘共 15 个标注类别，参赛团队需要准确识别并标注出每张影像各区块的土地类别。该比赛共吸引全球 62 支团队参与，最终达摩院 AI EARTH 斩获冠军。

参赛团队需准确识别并用不用颜色标注出影像中各区块的土地类别

据达摩院 AI EARTH 团队介绍，遥感影像不同类别的尺寸差异巨大，如道路、乡镇房屋等空间尺度相对较小，而河流、湖泊的尺寸较大，AI 需要准确对不同类别的区域分配资源，团队在时下最热门的 Transformer 模型基础之上，融合了多空间尺度联合训练与预测方法，该方法在尺寸变化较大的遥感影像类别识别任务里取得了更优的效果。

除此之外，遥感影像还存在相似类别的土地识别难问题，如乔木林与灌木林同属林地，二者之间仅存在细微差别，该团队采用了细粒度地物级联预测，可更有效地区分其中的差异。

达摩院 AI EARTH 算法对遥感影像的识别及分类效果

值得一提的是，在 LUAI 的遥感旋转框、水平框目标检测两大竞赛中，达摩院也取得了最好的成绩，能准确识别飞机、桥梁、货车等共 18 种物体，可最多识别单张影像的上千个目标。

达摩院资深算法专家李昊表示："过去几年，AI 和遥感影像的结合已经从理论探索阶段走向了实际应用，但技术和应用的创新仍在持续，例如 3D 重建可视化等将成为未来研究的方向。"

目前，AI EARTH 相关技术已应用于水利部、国家气象中心、生态环境部等机构，例如，生态环境部用 AI EARTH 累计检测面积达 17 万平方公里，可自动化提取疑似生态环境问题，有效提升生态保护工作效率。