任何一種顛覆性新技術(shù)由愿景到成熟應(yīng)用，從“思想火花”到“物質(zhì)成品”，都應(yīng)具備三個(gè)最為顯著的特征：1、可以切實(shí)地解決人類活動(dòng)中的至少一類問題；2、在一定范圍內(nèi)具有普適性和復(fù)用性；3、具備經(jīng)濟(jì)價(jià)值或社會(huì)效益。

　　遙感技術(shù)誕生于20世紀(jì)60年代，經(jīng)過幾十年的迅速發(fā)展，成為一門實(shí)用的，先進(jìn)的空間探測(cè)技術(shù)，但仍然面臨諸多制約。未來十年，遙感是否可以深刻地影響社會(huì)發(fā)展，切實(shí)解決了生產(chǎn)生活中的問題，兼具普適性和經(jīng)濟(jì)價(jià)值，其關(guān)鍵點(diǎn)在于對(duì)遙感數(shù)據(jù)的解譯和應(yīng)用，人工智能技術(shù)與遙感的結(jié)合或許是一把打開未來遙感行業(yè)應(yīng)用大門的金鑰匙。

　　遙感與人工智能

　　遙感，從字面上來看，可以簡(jiǎn)單理解為遙遠(yuǎn)的感知，泛指一切無接觸的遠(yuǎn)距離探測(cè)，傳統(tǒng)遙感解譯技術(shù)對(duì)精準(zhǔn)快速的處理效果不理想，對(duì)精細(xì)化狀態(tài)分析缺乏有效手段。最為掣肘的是圖像解譯方法主要依賴人工判讀和半自動(dòng)化軟件解譯，這使得遙感應(yīng)用無法從根本上脫離其勞動(dòng)密集型的“傳統(tǒng)”。

　　2015年至今，全球已發(fā)射并處于工作狀態(tài)的對(duì)地觀測(cè)衛(wèi)星數(shù)量從223顆大幅增長(zhǎng)增至710顆，隨之而來的是衛(wèi)星遙感數(shù)據(jù)分析市場(chǎng)的擴(kuò)大。據(jù)衛(wèi)星咨詢公司NSR預(yù)測(cè)，到2027年，全球衛(wèi)星數(shù)據(jù)分析市場(chǎng)總額將達(dá)到181億美元。

　　多元遙感數(shù)據(jù)量的激增，遙感數(shù)據(jù)分析市場(chǎng)的巨大前景和傳統(tǒng)遙感技術(shù)的瓶頸三者之間的溝壑急需一種全新的高效、精準(zhǔn)、便捷的技術(shù)手段來填平。人工智能是計(jì)算機(jī)學(xué)科的一個(gè)分支，二十世紀(jì)七十年代以來與空間技術(shù)、能源技術(shù)被并稱為世界三大尖端技術(shù)。如今，空間技術(shù)的前沿應(yīng)用之一——遙感技術(shù)與人工智能技術(shù)的結(jié)合，將人工智能賦能遙感技術(shù)，貫穿海量多源異構(gòu)數(shù)據(jù)從處理分析到共享應(yīng)用的全鏈路，在大幅縮短遙感圖像解譯周期、提高解譯精準(zhǔn)度的同時(shí)催生新的遙感應(yīng)用領(lǐng)域，促進(jìn)遙感技術(shù)應(yīng)用的變革。

WAIC期間，商湯為世博園區(qū)做的城市變化監(jiān)測(cè)

　　人工智能+遙感

　　伴隨著人工智能技術(shù)近年來的蓬勃發(fā)展和廣泛應(yīng)用，遙感技術(shù)對(duì)新型解譯能力的迫切需求，越來越多的高科技公司和科研院校已著手嘗試?yán)蒙疃葘W(xué)習(xí)解決海量遙感影像的解譯問題，并取得了一些階段性進(jìn)展，付諸于遙感行業(yè)應(yīng)用上。

　　其中較為典型的例子如商湯科技今年在WGDC上發(fā)布的SenseEarth智能遙感在線解譯平臺(tái)和其背后作為支撐的SenseRemote智能遙感解譯系列產(chǎn)品。商湯科技基于擁有民族自主知識(shí)產(chǎn)權(quán)的深度學(xué)習(xí)平臺(tái)SenseParrots和20余項(xiàng)遙感解譯技術(shù)原創(chuàng)研發(fā)專利，將深度學(xué)習(xí)技術(shù)引入遙感數(shù)據(jù)解譯應(yīng)用中，全方面提升遙感數(shù)據(jù)的自動(dòng)化處理、分析能力，其產(chǎn)品像素級(jí)解譯分類精度超過 95%、目標(biāo)檢測(cè)準(zhǔn)確率優(yōu)于 98%。同時(shí)還兼具商湯AI產(chǎn)品強(qiáng)大的快速迭代能力和豐富的場(chǎng)景適用性，適用于包括目標(biāo)檢測(cè)、變化檢測(cè)、地表信息提取、土地利用類型分類等多個(gè)遙感應(yīng)用場(chǎng)景。

　　然而，雖然現(xiàn)階段人工智能與遙感技術(shù)的結(jié)合已經(jīng)取得了一些進(jìn)展，在部分應(yīng)用場(chǎng)景中利用深度學(xué)習(xí)技術(shù)解譯遙感影像的處理精度、效率和自動(dòng)化程度都有較為明顯的提升，我們卻不得不正視目前成果的局限性和未來發(fā)展所面對(duì)的巨大挑戰(zhàn)。

　　首先，目前大部分人工智能遙感應(yīng)用均采取監(jiān)督學(xué)習(xí)的方法，利用此類技術(shù)對(duì)海量遙感數(shù)據(jù)進(jìn)行智能解譯的基礎(chǔ)是前置的對(duì)同樣海量的特定解譯對(duì)象已標(biāo)注樣本的訓(xùn)練工作，而這不僅需要大量的計(jì)算資源和精巧的設(shè)計(jì)能力，更重要的是在構(gòu)建模型過程中對(duì)遙感數(shù)據(jù)已標(biāo)注樣本的需求。而遙感應(yīng)用場(chǎng)景極為豐富和多樣，甚至同一解譯對(duì)象在不同空間、時(shí)間維度下所展現(xiàn)出不同的特性使得數(shù)據(jù)樣本的復(fù)雜性呈幾何倍數(shù)的增長(zhǎng)，導(dǎo)致目前不可能出現(xiàn)一個(gè)機(jī)構(gòu)可以將大部分遙感應(yīng)用領(lǐng)域中正確標(biāo)注的樣本集合成庫，從而進(jìn)行訓(xùn)練出有效的解譯模型。

　　以遙感技術(shù)發(fā)展較為領(lǐng)先的農(nóng)業(yè)遙感行業(yè)為例，應(yīng)用包括作物分類識(shí)別、估產(chǎn)、長(zhǎng)勢(shì)分析、田地土壤墑情、病蟲害防治等十?dāng)?shù)個(gè)具體應(yīng)用場(chǎng)景，其他暫且按下不表，單就農(nóng)作物分類識(shí)別而言，地球上共有植物39萬余種，其中被人類利用的栽培植物約2300種，農(nóng)作物約90余種，我國(guó)常見的農(nóng)作物有60多種，同一類別農(nóng)作物在不同地區(qū)甚至相同地區(qū)不同地理環(huán)境下所呈現(xiàn)的特征各不相同，這種復(fù)雜性使得基于監(jiān)督學(xué)習(xí)方式通過深度學(xué)習(xí)方法得到的遙感智能解譯模型很難具備普適性和復(fù)用性。

徐州市沛縣冬小麥提取

　　其次，遙感數(shù)據(jù)來源的多元異構(gòu)化，不同遙感平臺(tái)如旋翼無人機(jī)、固定翼無人機(jī)、有人機(jī)、臨近空間飛艇、低軌衛(wèi)星、高軌衛(wèi)星；不同載荷成像機(jī)理如可見光、SAR、高光譜；不同的空間時(shí)間光譜分辨率、精度、時(shí)效性等等都給遙感數(shù)據(jù)的一致性處理帶來巨大的挑戰(zhàn)，如何利用多源異構(gòu)數(shù)據(jù)構(gòu)建“一張圖”式的應(yīng)用場(chǎng)景，使得人工智能技術(shù)可以便捷地解決海量異構(gòu)數(shù)據(jù)時(shí)空信息提取分析困難的問題將是破局遙感行業(yè)發(fā)展桎梏的重中之重。

建筑提取

　　最后，鑒于人工智能遙感技術(shù)發(fā)展的綜合性，其發(fā)展不僅僅依賴遙感與人工智能自身的技術(shù)迭代和發(fā)展，計(jì)算機(jī)技術(shù)、存儲(chǔ)技術(shù)、航天技術(shù)、互聯(lián)網(wǎng)共享技術(shù)乃至數(shù)學(xué)、神經(jīng)科學(xué)等與之相關(guān)聯(lián)各個(gè)領(lǐng)域的技術(shù)與理論革新都會(huì)一定程度上影響著人工智能遙感行業(yè)的前行速度，這類似于一個(gè)龐大復(fù)雜的系統(tǒng)工程，其中任何一個(gè)環(huán)節(jié)既可能成為制約因素，也可能是發(fā)展助力。這使得人工智能+遙感技術(shù)在產(chǎn)生廣泛的經(jīng)濟(jì)效益前，存在著漫長(zhǎng)的研發(fā)周期和資本風(fēng)險(xiǎn)。

　　人工智能遙感的未來

　　樣本積累

　　鑒于現(xiàn)階段構(gòu)建人工智能遙感解譯深度學(xué)習(xí)算法模型對(duì)海量標(biāo)注樣本的依賴，利用云、區(qū)塊鏈等新興網(wǎng)絡(luò)共享技術(shù)在某種共贏機(jī)制下，將散落在各個(gè)行業(yè)領(lǐng)域中政府機(jī)構(gòu)、科研院所和公司中的遙感樣本關(guān)聯(lián)整合起來，互為補(bǔ)充，同時(shí)利用數(shù)據(jù)仿真技術(shù)的發(fā)展，共同構(gòu)建屬于大行業(yè)范疇的解譯模型庫也許是解決智能遙感技術(shù)發(fā)展中樣本不足的途徑之一。但這需要一個(gè)良好的商業(yè)模式，讓參與各方在付出的同時(shí)均能獲益；需要一個(gè)良性健全的產(chǎn)業(yè)生態(tài)圈，讓數(shù)據(jù)資源、計(jì)算資源、科研資源可以無阻滯的流動(dòng)起來；需要一個(gè)長(zhǎng)遠(yuǎn)的布局和規(guī)則，使得這種整合健康的運(yùn)轉(zhuǎn)下去。無疑這是非常困難的。

　　所幸我們已然看到了業(yè)內(nèi)相關(guān)企業(yè)的嘗試和努力，如商湯科技的SenseEarth平臺(tái)的規(guī)劃中提到“在未來，一個(gè)輕量級(jí)在線樣本訓(xùn)練平臺(tái)系統(tǒng)將依托SenseEarth搭載上線，希望借此與用戶將產(chǎn)生更多的交流與合作，以商湯的前沿算法儲(chǔ)備和雄厚計(jì)算資源與全領(lǐng)域用戶手中的存量樣本數(shù)據(jù)產(chǎn)生火花，共同擴(kuò)展遙感產(chǎn)品樣本庫，訓(xùn)練出更多更精準(zhǔn)的覆蓋全領(lǐng)域的解譯模型，以知識(shí)共享的理念推動(dòng)AI+遙感的發(fā)展進(jìn)程。”

SenseEarth智能遙感影像解譯平臺(tái)用地分類演示

　　無監(jiān)督學(xué)習(xí)

　　從另一個(gè)角度來看，目前深度學(xué)習(xí)的基礎(chǔ)是對(duì)大量被正確標(biāo)注的結(jié)構(gòu)化樣本數(shù)據(jù)的訓(xùn)練。盡管我們處在一個(gè)信息爆炸、被各種數(shù)據(jù)淹沒的時(shí)代，但這些數(shù)據(jù)尤其是遙感數(shù)據(jù)大部分是未經(jīng)標(biāo)注和整理的，這意味著這些數(shù)據(jù)對(duì)于大多數(shù)目前的監(jiān)督式學(xué)習(xí)來說并不可用，即使現(xiàn)在已經(jīng)有大量免費(fèi)和公開的標(biāo)簽數(shù)據(jù)集，涵蓋了各種各樣不同的類別，但事實(shí)證明他們對(duì)人工智能解譯遙感數(shù)據(jù)的作用依然存在很大的局限性。

　　標(biāo)注樣本集或許過小、或許標(biāo)注存在偏差，在訓(xùn)練一個(gè)復(fù)雜的遙感解譯模型時(shí)，使用小數(shù)據(jù)集可能會(huì)導(dǎo)致所謂的過度擬合，這是由于大量可學(xué)習(xí)參數(shù)與訓(xùn)練樣本強(qiáng)關(guān)聯(lián)所導(dǎo)致的，最終我們得到的可能是一個(gè)僅適用于這些訓(xùn)練樣本的模型，而不是從數(shù)據(jù)中學(xué)習(xí)一般概念的模型。

　　無監(jiān)督學(xué)習(xí)算法將會(huì)是解決遙感數(shù)據(jù)標(biāo)注樣本稀缺的重要技術(shù)發(fā)展方向，與監(jiān)督學(xué)習(xí)需事先進(jìn)行標(biāo)注分類截然不同的是，他可以很好的幫助我們根據(jù)類別未知無標(biāo)注的訓(xùn)練樣本解決遙感數(shù)據(jù)解譯中的各種問題。在面對(duì)海量遙感數(shù)據(jù)時(shí)，我們要處理面對(duì)的不在是進(jìn)行結(jié)構(gòu)化標(biāo)注完善的各類樣本，而是遙感數(shù)據(jù)本身。簡(jiǎn)單來說，無監(jiān)督學(xué)習(xí)使得機(jī)器本身代替我們對(duì)影像數(shù)據(jù)集進(jìn)行聚類和分析，例如遙感圖像中有著汽車、飛機(jī)、船舶、建筑、道路等多種可檢測(cè)目標(biāo)，監(jiān)督學(xué)習(xí)的方法是先將這些目標(biāo)標(biāo)注出來，提取特征進(jìn)行訓(xùn)練，而后依據(jù)訓(xùn)練結(jié)果進(jìn)行目標(biāo)識(shí)別，無監(jiān)督學(xué)習(xí)則是機(jī)器根據(jù)自身歸納的這些目標(biāo)包含的人類可能無法理解的算法視角特征進(jìn)行聚類，而后由人類或者相對(duì)簡(jiǎn)易的特征比對(duì)模型進(jìn)行一類對(duì)象的識(shí)別。

　　決策型的人工智能解譯

商湯SenseRemote智能遙感影像解譯算法應(yīng)用場(chǎng)景

　　在實(shí)際業(yè)務(wù)場(chǎng)景我們需要給出的往往是一個(gè)綜合性解決方案，這意味著解譯模型的建立必須基于融合不同平臺(tái)、不同載荷、不同時(shí)相和不同尺度的異構(gòu)遙感數(shù)據(jù)，以多類別針對(duì)性的分析方法共同發(fā)揮作用得出結(jié)論。而以往的人工智能遙感大多是對(duì)傳統(tǒng)數(shù)字圖像處理方法的遷移，甚至僅以統(tǒng)計(jì)學(xué)的理念來解決問題。隨著人工智能技術(shù)的發(fā)展，決策型的智能技術(shù)將成為未來的主流發(fā)展目標(biāo)之一，這里的決策所指并不僅是利用成果幫助用戶進(jìn)行判斷，而是在智能解譯數(shù)據(jù)時(shí)讓系統(tǒng)自帶決策功能。就如人的學(xué)習(xí)和思維一樣，在分析問題時(shí)，利用“經(jīng)驗(yàn)”自主的選擇判斷依據(jù)。用何種數(shù)據(jù)類型，哪些不那么典型卻行之有效的特征，針對(duì)性的對(duì)特定場(chǎng)景進(jìn)行其包括專業(yè)性網(wǎng)絡(luò)模型的適配、異構(gòu)實(shí)體網(wǎng)絡(luò)的自主構(gòu)建、多多關(guān)聯(lián)關(guān)系的動(dòng)態(tài)優(yōu)化等。

　　在未來，我們已經(jīng)對(duì)細(xì)分目標(biāo)對(duì)象建立了足夠多離散的智能解譯模型時(shí)，或許需要一種可以將數(shù)量龐大的模型庫總結(jié)歸納的方法，一個(gè)可以實(shí)現(xiàn)自我學(xué)習(xí)迭代，自我決策的系統(tǒng)，他可以被理解成各種網(wǎng)絡(luò)的網(wǎng)絡(luò)，模型的模型，分散到聚合，繁復(fù)到簡(jiǎn)約，專業(yè)到大眾，將使得人工智能遙感真正成為可以被廣泛深度使用，解決現(xiàn)實(shí)復(fù)雜業(yè)務(wù)問題，進(jìn)而開拓嶄新應(yīng)用場(chǎng)景，產(chǎn)生巨大經(jīng)濟(jì)價(jià)值與社會(huì)效益的新型技術(shù)手段。

　　每一次智能技術(shù)水平的飛躍都帶來社會(huì)生產(chǎn)力的巨大進(jìn)步，我們也由此見證了云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能等信息技術(shù)的爆發(fā)所創(chuàng)造的市場(chǎng)機(jī)遇以及由此催生的巨大變革。AI+遙感解放了勞動(dòng)力，使遙感應(yīng)用成本從經(jīng)濟(jì)上和專業(yè)性上得到了大幅降低，遙感技術(shù)不再是專業(yè)人員在專業(yè)領(lǐng)域的專業(yè)應(yīng)用，如“舊時(shí)王謝堂前燕,飛入尋常百姓家”一樣，其將真正成為普惠大眾，人人得益的工具。

　　遙感AI解譯技術(shù)，下一個(gè)十年的顛覆性技術(shù)，看似遙遠(yuǎn)，實(shí)則正在悄然發(fā)生……