就在[db:标签]��天，[db:标签]��国家自然科学基金委信息科学部，“空间信息网络基础理论与关键技术”重大研究计划指导专家组主办

这已经是国家自然科学基金委筹办的第三届关于图像稀疏表征与智能分析的竞赛，而这三年以来竞争竞赛题的变化，

从第一年设置智能影像目标检测和智能压缩两个赛题，到第二年又增加

而在今年，大赛在决赛中设置了基于华为升腾AI处理器的图像图像解译加分赛。要求参赛队伍必须将最终算法模型植入于Atlas 200 DK AI平台，实现算法模型的推理计算，更是切实展现了AI与前置相遇创造出的无限机会。

如此一来，这次比赛中冠军团队也就格外引人瞩目——他们的成果，或许能够给AI +前端的未来带来更多可能。

顶峰之作：用少样本学习，让遥感图像检测机智起来

在比赛中，由来自中国科学院空天信息创新研究院赵忠明，孟瑜代表团队的邓毓弸，节永师，张懿，陈静，刘文雅组成的的“机智队”获得本次大赛的特等奖，而他们所选择的赛题就是预测图像变化检测。

遥感图像变化检测可以在同一地点检测和处理不同的相位数据，在资源与环境监测，地理国家监测和自然灾害评估等领域具有很高的实用价值。目前，遥感图像变化检测的前沿算法在数据水平和算法设计水平上都有一定的局限性，导致该算法在实际应用中效率低下。机智团队的解决方案是在过去两年中将非常小的样本学习应用于AI。在数据样本相对较少的前提下，通过迁移学习和样本归纳来提高数据利用效率。最终机智团队的模型在准确性和效率上都非常出色，赢得了整个游戏的大奖，并确定了AI和遥感之间的无限空间。

事实上，从本次比赛的几个单元设置可以看出，人工智能在遥感中的工业价值正在被越来越多的人认可。

很长一段时间以来，遥感技术捕获的信息已被用于气象，环境，地质资源，农林业等领域的研究和观测。可以检测到远离地理障碍的目标。积累的图像资源对于许多行业都是有价值的。但是，在许多情况下，对遥感图像的分析和观察需要专家的参与。人为问题已成为越来越多的行业使用遥感图像的困难的关键。

这时，人工智能技术取代了人力，并将遥感图像数据直接转换为可以直接应用于工业的方法论工具，自然成为释放遥感工业价值的关键。技术。

就像遥感卫星视频跟踪游戏一样，它将跟踪车辆，飞机，火车，轮船和其他车辆的物体。对于智能物流，智能运输等，这项技术并不小。应用价值。在遥感图像语义分割竞赛中，组织者提供了包含15种典型土地利用类型的图像数据。这些数据的分析结果对于智慧城市的城市规划和建设也具有较高的应用价值。

获此殊荣的机智团队，他们的技术创新，如果应用于AI防灾等领域，还可以帮助遥感技术发挥更好的作用，准确分析甚至预测灾害情况。

关键一招：算力如何让AI+遥感翻过三个山坡

我们注意到，机智团队在最后的推理会话中将计算任务分为两部分，一个在云中，另一个在边缘计算中。

这种分布式计算极大地提高了模型的推理效率。在支持的背后，显然是华为的Atlas 200 DK AI开发人员工具包。该套件通过外围接口释放了华为Ascend 310芯片的强大功能。它还具有快速设置和易于迭代的功能，这便于开发人员尽快熟悉它，并可以在不断调整策略的同时快速更新算法的迭代。允许参与者在模型和硬件之间的对接上浪费时间。

在这种情况下，我们还可以发现，在将AI与遥感相结合的工业逻辑中，该元素的作用越来越重要。

例如，电源在哪里，AI +遥感在哪里？

仅处理遥感图像就意味着大量的计算需求。它是否可以满足不同的计算需求，也意味着AI +遥感可以潜入更多场景。例如，在中低海拔遥感领域，有许多跟踪任务，例如跟踪灾难的蔓延或跟踪野生动植物。这种时间紧迫的任务计算工作测试了AI算法是否可以用于无人机，摄像机等终端设备中的实时识别跟踪，并且还测试了终端的计算能力。

例如，如果计算能力更高，那么AI +遥感将带来更多好处。

在AI时代，我们可以深刻地感受到计算能力就像一种货币。完成AI任务的成本已明确标明。但是，从工业角度来看，有必要在引入AI +遥感的成本和收益之间找到平衡，并找到一个转折点，以发掘AI +遥感的应用价值。换句话说，阈值和应用计算成本的逐步降低将使更多的行业能够应用AI +遥感。

最终，计算能力是完美的，而AI +遥感的生态学也是完美的。

当AI能够进行遥感并帮助遥感进入工业应用时，这也意味着遥感图像将成为企业处理的众多数据之一。遥感图像数据需要集成到整体技术架构中，并且有必要使遥感数据与企业在存储，传输和处理方面的整体业务相协调。 并且这经常测试企业是否具有完美的计算能力来分发和处理不同类型的数据，以便不同的计算模型可以一起工作。换句话说，是否可以规范化AI +遥感的应用取决于计算生态学是否足够完善。

当计算能力有助于在这三个山坡上进行AI +遥感时，我们肯定会看到遥感技术在更多行业中散发出耀眼的光芒。

领攀者Atlas：全场景AI与遥感在顶峰相遇

回到活动本身，我们可以看到很多团队已经使用了华为提供的Atlas 200 DK AI开发人员工具包来解决AI +遥感中的计算需求。那么，您还能为AI +遥感提供更多驱动程序吗？

答案是肯定的。 Atlas是一种全场景AI，是一种针对“端，边缘，云”进行了优化的全场景AI基础架构解决方案。人工智能技术与遥感的结合，一方面意味着大量的计算需求，另一方面在目标跟踪应用中对数据进行实时响应的人工智能算法，对端侧计算也有很高的要求。特别是，遥感技术通常用于“大场面”，例如农业，气象学，水利等。自然，也需要云端协作。

完成Atlas产品后，我们可以得出结论，全场景AI可以帮助遥感技术释放三大行业红利：

第一个是场景多样化奖励。

Atlas 200 AI加速模块带来了强大的端侧计算能力，因此无人机和嵌入式摄像机等遥感领域中常用的硬件也可以获得实时计算能力，并可以直接执行远端进行遥感。分析和跟踪数据。 加上Atlas系列的价格合理，这不会给行业带来太大的成本压力。从拍摄城市和农场的无人机到人造卫星上的摄像头，都可以实时处理计算任务，因此AI +遥感也可以在更多场景中快速普及。

第二个是过去的数据挖掘奖金。

自1980年代以来，中国的遥感技术开始活跃起来。但是，人工智能和遥感技术的结合才刚刚开始。也就是说，过去积累的海量数据是可以使用的财富。 Atlas 900是最近推出的“最强地面”人工智能培训集群，它提供了强大的计算能力，可以有效地挖掘过去的数据并进一步促进遥感技术的利用。

还有云端协同优势。

华为不仅拥有提供端侧计算能力的Atlas 200 AI加速模块，还拥有Atlas 300 AI加速卡和Atlas 500智能站。这些产品的核心竞争力自然来自华为的升AI处理器。腾飞系统提供了一个完整的解决方案，包括芯片，芯片支持，培训和推理框架以及应用支持，以及完整的方案，包括云，边缘，物联网行业终端和消费者终端。部署环境。这样形成的通道还可以使AI遥感通过云侧协作实现高可扩展性并减少延迟，这为以后的开发提供了方便，从而进一步适应了工业需求。

在Atlas带来的丰厚收益下，人工智能和遥感技术实现了飞跃式的结合：人工智能技术不仅加速了遥感技术在科学研究中的应用，而且还有助于遥感技术在工业化和商业化中的应用。路向前。

结束语

不难发现，在全场景框架下，人工智能和遥感技术的结合就像是一个巅峰相遇。遥感技术的应用补充了从微观到星云的物理世界图像捕获——的重要部分，可以转化为图像数据以供计算机理解和分析。

全场景AI为计算机提供了一个机会，使计算机可以更有效地理解遥感图像，追赶中高海拔的野生动物以及数十年来通过气象遥感图像分析气候变化。在服务器上。

计算可能是将两个人的攀岩绳拉到山顶，以便AI和遥感有可能追求共同的目标。