在新型城市建造和规划中，以卫星遥感图画处理为代表的地理信息技能正在发挥非常重要的作用，经过对城市范围内的人、事情、根底设施和环境等要素全面感知、实时动态辨认和快速方针提取，为才智城市的建造供给更多有价值的信息。当前，根据人工智能的遥感图画处理技能已被广泛地运用在城市规划、违章建筑监管、工程环境监测、废弃物管理、交通治理、城市安防等场景。

作为源于工业实践的深度学习渠道，飞桨一直致力于为各行各业的开发者供给完备的工业运用开发计划。同样在遥感范畴，飞桨也供给了丰富的数据预处理计划，覆盖地物检测、地块切割、改变检测、地物分类等多种视觉使命，致力于更好地协助开发者完结遥感项目的运用开发。

图1飞桨遥感运用开发计划

尤其是针对遥感范畴普遍重视的数据标示困难的问题，飞桨团队联合中国四维，在原有交互式智能标示软件EISeg的根底上，推出了专门针对遥感的交互式垂类模型，供给多通道提取（高光谱、多光谱数据）、大尺幅数据的切片（多宫格）处理和主动拼接等功用，使遥感场景的数据可以被更便捷地处理。

图2 EISeg遥感功用智能标示功用演示

当前，许多工业AI开发者正在根据飞桨供给的遥感运用开发计划解决实践运用问题。接下来我们将经过几个具体的场景案例来为大家具体解读。

居民地数据提取

居民地数据是根底地理信息的核心要素之一。利用遥感技能及时、精确地发现、确定居民地改变对灾祸评价、城市扩张、环境改变、空间数据更新等有着重要意义。航天雄图信息技能股份有限公司运用飞桨图画切割套件PaddleSeg中的Segformer系列算法对居民地大类下的一般街区、高层建筑、独立房子、体育场等二级类进行遥感监测，大大进步了制作根底测绘底图的作业功率。

该项目根据Segformer系列算法，结合居民地5种二级类数据的不同遥感图画特征进行了调优。调优后，在精度适当的情况下，飞桨模型的体积是其它框架完结的Segformer模型体积的1/3。最终，模型在2米分辨率遥感影像上进行推理，结合栅格矢量化、规则化等后处理东西，可以快速地切割出居民地并生成测绘级地图，比较于传统人工地图矢量化的办法，作业功率进步了85倍，检出精确率可以到达90.2%，符合产品上线要求。

图3 居民用地切割示意图

土地利用类别动态解译

土地利用是水土流失的重要影响因子。全国水土流失动态监测选用遥感调查、定位观测与模型核算相结合的技能办法，每年展开一次区域土地利用类别解译作业。假如选用传统的人工目视解译办法，需要消耗很多的人力、物力资源，每人每天只可以解译300-400平方公里，在时效性方面难于满足区域水土流失动态监测作业需要。根据飞桨，北科博研完结了宁夏土地利用类型AI遥感辨认，提取精确率到达90%以上，相对传统的人工解译项目有了很大的进步。只需要两台GPU作业站，即可快速完结全省的解译作业，大幅进步土地利用辨认功率，保证当区域域水土流失动态监测作业的顺利展开。

图4北科博研AI解译渠道

高尔夫球场检测

因为历史上疏于监管，各地均存在着高尔夫球场滥建侵占城市建造空间的问题，引起了发改委等相关部分的高度重视。中科院空天信息立异研究院运用飞桨深度学习开源框架对高尔夫球场进行遥感监测，针对方针进行了一系列优化，大大进步了遥感图画解译作业的功率，为高尔夫球场检测供给半主动化技能手段。

在项目中选用经典的方针检测算法Faster R-CNN，并根据高尔夫球场的特性对输入图画的长宽比进行了调优。项目上线后，相对于传统办法功率大大进步，使周期性、主动化高尔夫球场遥感检测成为可能。在京津冀区域GF-6 WFV影像中取得的面积检测率为86%，数量检测率为95%，单景 GF-6 WFV影像检测耗时10分钟。

图5高尔夫球场辨认效果图

一起，飞桨贴心肠为大家准备了一节直播课并邀请了国内遥感才能领先的供给商—航天雄图的技能专家，从核心技能理论下手，全方位剖析遥感图画在才智城市中的运用。在未来，飞桨会继续加强在遥感范畴的才能建造。以最低门槛、最高性能为初心，更好地赋能才智城市的建造。

数据引用阐明

图2：从左到右

【1】数据来历：天宫一号高光谱遥感场景分类数据集

【2】数据来历：谷歌地球（earth.google.com/）

【3】数据来历：天宫一号高光谱遥感场景分类数据集。

图3：航天雄图供给—居民切割用地示意图

图4：北科博研供给—北科博研AI解译效果图

图5：中科院遥感所（空天院）供给—高尔夫球场辨认效果图