近日，何更好地基于昇騰AI，利用北京國遙新天地的對遙遙感影像智能解譯平臺解決方案與昇騰Atlas系列硬件和全場景AI框架昇思MindSpore完成兼容性測試。該方案將遙感數據處理算子與人工智能相結合，感影在針對SAR（合成孔徑雷達）影像、像進行智光學遙感影像等150GB左右的何更好地遙感數據進行目標檢測推理時，相比行業現有推理速度提升約15%。利用推動AI核心技術深度學習在遙感領域應用落地的對遙同時，也為遙感的感影數字化轉型升級助力。

伴隨人工智能技術的像進行智快速發展和遙感影像應用需求的不斷增加，如何更好地利用AI對遙感影像進行智能解譯？如何管理海量的何更好地遙感數據？如何有效提高算法模型的推理與訓練能力，進而使其在遙感數據處理上有更加出色的利用表現？這些問題都已成為遙感領域蓬勃發展的關鍵。

基于昇騰AI基礎軟硬件平臺，對遙依托河北人工智能計算中心，感影北京國遙新天地與華為共同孵化的像進行智遙感影像智能解譯平臺解決方案擁有以下優勢：

①

硬件方面

使用昇騰Atlas系列硬件作為遙感數據處理的主要設備。由于現有目標檢測算法的底層架構仍是以卷積神經網絡為主的深度神經網絡，其計算往往需要執行大量的乘積操作，通常是數十億和數萬億次的迭代，運算效率很低。昇騰硬件的NPU，不僅相比于常規的深度神經網絡計算模式有更高的規律性，而且針對AI算法進行了特定的調優設計，加速了算法的運行速度，解決了傳統硬件在神經網絡運算時效率低下的問題。

②

軟件方面

深度嵌入全場景AI框架昇思MindSpore，可提供當下常用的遙感影像目標檢測算法模型，其中包括在遙感目標檢測上有良好檢測效果的Faster R-CNN、SDD、YOLOv5等。在本方案中采用的是兼顧精度與速度的YOLOv5模型作為遙感目標檢測的主要模型，如在進行一階段檢測時，YOLOv5模型能能夠在保障檢測精度的前提下，達到預期的檢測速度。此外，AI框架昇思MindSpore所提供的目標檢測模型能與昇騰Atlas系列硬件完美契合，可使算法模型更好地調用昇騰硬件的NPU完成計算過程的加速處理任務。

③

推理方面

一般情況下遙感影像是附帶地理信息的tif或是tiff影像，且其大小往往是GB級的，是普通圖像數據的十倍到百倍大小。這樣級別的數據難以直接輸入模型。因此針對遙感影像，該方案先用遙感數據處理算子對原始影像進行處理使其符合算法模型的輸入標準，再對海量遙感數據做推理計算，并在推理結束后通過后處理遙感算子整合推理結果，最終獲取目標所在位置的地理信息。結合實踐可知，通過遙感數據處理算子與推理算法相結合的方法，可達到既縮短處理時間又提升推理速度的雙重效果。

④

訓練方面

首先使用基于華為的一站式開發平臺ModelArts內部的樣本管理界面，對存儲的樣本數據進行標簽繪制、樣本剔除等操作，方便了對遙感數據樣本的管理與處理工作；

然后再使用ModelArts平臺開啟對模型的一鍵訓練功能，在訓練過程中可通過可視化窗口對當前訓練批次、當前LOSS值等關鍵信息進行查看；

最后獲取模型結果時通過ModelArts平臺內部等代碼管理模塊對Learning rate、Batchsize等關鍵參數進行修改，并能根據不同的修改獲取有對比的訓練結果。總的來說，該方案將數據存儲、一鍵啟動訓練、模型參數修改等功能集成在一起，可使訓練過程更加流暢便捷，有效的提高遙感目標檢測的效率。

截止目前，該方案已在浙江省多市縣內完成試點，備受好評。例如在浙江某縣所屬鎮上，先使用無人機采集優于5cm分辨率的高清遙感影像數據，再使用該方案提取垃圾點位、三改一拆、水利等治理要素，實現「一圖感知一圖統管」的目的。更進一步增加建設大屏分析決策系統，以圖表的形式對治理效果進行可視化展示，實現長效治理，輔助地方管理機構進行智慧研判與科學決策。

翻看過往，可將時間回溯到2022年3月，北京國遙新天地與華為在河北人工智能計算中心初次達成合作意向。雙方明確了基于昇騰AI就遙感領域進行場景化創新與應用落地，共同繁榮昇騰AI產業生態。

當前，昇騰AI產業的發展進入全面升級的新階段，華為將攜手北京國遙新天地等合作伙伴一起，凝聚各方智慧，不斷突破向上，與生態伙伴共成長，以人工智能技術帶動數字經濟騰飛，使能千行百業智能化升級，共同推進中國人工智能產業的發展。

審核編輯：彭靜