商湯科技高級研究員李聰在2019年度WGDC大會G-TECH新技術(shù)峰會演講中用很多的AI自動遙感解譯的樣例，展示了Ai視角下的地理大探索。同時也表達(dá)了商湯科技希望做一些更高尚的、純粹和脫離低級趣味和有益于人民的技術(shù)，只要我們合理的解決問題，這些都是有用、高尚的技術(shù)，既要勇敢的擁抱新技術(shù)，又對傳統(tǒng)技術(shù)抱有尊重，真正做被人們所使用的AI技術(shù)。

　　演講內(nèi)容整理如下。

　　大家好，我是來自商湯的研究員，今天的報告給大家分享一下基于人工智能技術(shù)在更大的空間范圍和更大的時間跨度開展的一些工作。

　　第一個任務(wù)是我們做的地表覆蓋的工作。

　　首先這是剛才阿里云專家提到過的數(shù)據(jù)，背景是可視化出來的全球影像的一部分樣例，左上角這個圖是我們進(jìn)行全球地表覆蓋所獲取訓(xùn)練數(shù)據(jù)的空間分布，有五個特點，分辨率達(dá)到了3.125米，有數(shù)十萬影像，豐富地物多樣性、覆蓋更多場景，數(shù)據(jù)篩選，系統(tǒng)數(shù)據(jù)預(yù)處理。

　　這是我們選取的驗證數(shù)據(jù)分布，我們能夠達(dá)到82.7的精度，精度沒有非常高的原因涉及到多方面的因素，比如涉及到驗證點數(shù)據(jù)質(zhì)量問題、驗證點標(biāo)注準(zhǔn)確性的問題等等，后面給大家看到我們更多地表覆蓋的效果，首先這是我們講的兩個城市的地表覆蓋，北京和上海，測試這樣一個城市的話，幾十分鐘之內(nèi)就可以完成。后面我們測試了17個城市的案例。這是其他三個地區(qū)預(yù)測結(jié)果，通過這5個城市大家能夠看到，模型已經(jīng)能夠較好克服巨大空間分布差異所帶來這影響。具體展示一下，這是石家莊地區(qū)2017年6月份的數(shù)據(jù)，這是2017年12月份的數(shù)據(jù)，相差了半年，我們目前采用了兩個地表覆蓋的研究，大家再看一下6月份的數(shù)據(jù)，左邊有很大的云覆蓋。如果我們采用了兩個月的數(shù)據(jù)訓(xùn)練這個模型的話，細(xì)節(jié)精細(xì)了很多，對單一數(shù)據(jù)質(zhì)量不高的情況有很強(qiáng)的魯棒能力。這是新疆地區(qū)6月份和12月份的數(shù)據(jù)，可以明確看到色彩差異的問題，這是6月份數(shù)據(jù)測出來的結(jié)果，這是用了兩個時相的檢測結(jié)果，最上邊的右半部分，他們會測試的更精細(xì)。我們還對檢測結(jié)果進(jìn)行了更深度的優(yōu)化，這是概率優(yōu)化和最終的一個預(yù)測結(jié)果。

　　長沙地區(qū)，2017年6月份地表覆蓋比較多厚云，對部分時相會有很多的魯棒。我們可以得到比較好的預(yù)測結(jié)果，這是福州、廣州、河北，沈陽、天津、西安、鄭州，我們現(xiàn)在已經(jīng)測試了非常多的城市，我們目前取得這樣的結(jié)果，付出了很多努力，但是不能把成果獨享，非常感謝清華大學(xué)地球系統(tǒng)科學(xué)系對我們的支持。

　　大家應(yīng)該會有一些問題，我們現(xiàn)在這樣的模型算法空間泛化能力如何?，給大家展示眾多城市預(yù)測結(jié)果的原因，就是為了說明我們這個模型目前已經(jīng)具備了對全國范圍數(shù)據(jù)的處理能力，而且全國計算都比較統(tǒng)一，對數(shù)據(jù)質(zhì)量參差、拼接或者厚云遮擋的問題，我們都有比較好的解決方案。

　　另外一個問題是萬一很多數(shù)據(jù)只有單時相數(shù)據(jù)怎么辦?其實也是可以的，沒有預(yù)測像兩時相模型那么精細(xì)，但也可以預(yù)測。

　　最后一個是數(shù)據(jù)源不同怎么辦?剛才的模型，我們想把模型做到適用更多的數(shù)據(jù)上，不是依賴于哪種傳感器，而是依賴哪種分辨率區(qū)間，只要是在分辨率一定的范圍內(nèi)，我們希望模型都可以進(jìn)行正常預(yù)測。

　　還有一個更重要的問題，我們用相隔的半年的數(shù)據(jù)進(jìn)行預(yù)測，如果相隔的半年，發(fā)生了變化怎么辦，這是石家莊6月份和12月份的數(shù)據(jù)，我們?yōu)榱私鉀Q這個問題，提出了變化檢測，這就是我們的檢測結(jié)果。大家應(yīng)該能夠看得出來，這些圈里面就是一些變化的區(qū)域。這是太原的區(qū)域兩個月的對比，這是檢測結(jié)果，同樣給大家放大顯示一下，這樣測試的數(shù)據(jù)樣例非常多。

　　我們前面的檢測都是使用間隔半年的數(shù)據(jù)進(jìn)行的預(yù)測，現(xiàn)在城市發(fā)展這么迅速，能不能有更高頻的檢測，我們做了很多模型研究和實驗。這是上海地區(qū)相隔11天的數(shù)據(jù)，這是相隔11天的一個檢測結(jié)果。這也是相隔10天的變化，有一個很準(zhǔn)確的檢測。這是深圳地區(qū)相隔了半個月的檢測結(jié)果，可以看出這半個月的變化，右側(cè)的小圖會更清楚一些。這是在南京地區(qū)的一個檢測，也是相隔了半個月，這是左右的對比，可以看到道路修的完善了很多。

　　能不能處理更高分辨率的數(shù)據(jù)呢?這是2008年深圳地區(qū)的分辨率是0.5米的數(shù)據(jù)，這是2009年的檢測結(jié)果，這是南京地區(qū)1米的數(shù)據(jù)，這是2017年跟2018年檢測的結(jié)果，這是上海2018年第二季度跟2018年第三季度的影像，這是相隔一個季度的檢測結(jié)果。

　　前面給大家展示的都是我們處理的一些國內(nèi)的數(shù)據(jù)，這里說一下，我們處理了不同分辨率的、不同地區(qū)的數(shù)據(jù)，這些都是我們的直接測試結(jié)果，不再需要經(jīng)過一些模型的檢測。

　　其實到了剛才這個環(huán)節(jié)，估計大家對業(yè)務(wù)上還會有不滿足，還想更精確地知道由什么屬性變成了什么屬性，在這樣一個需求下，我們又做了另外一個工作，我們做了一個地類識別的業(yè)務(wù)，我們構(gòu)建了一份分辨率更高的多標(biāo)簽分類樣本集，中間是數(shù)據(jù)的分布范圍，右邊是可視化效果，有近百萬影像，將官方F1指標(biāo)由70提升到至80，希望拓展到更多的應(yīng)用，比如說檢測和分割等功能。下面是一個具體的檢測結(jié)果，左側(cè)是一些影像，右側(cè)是一些影像的預(yù)測結(jié)果，我們下一步工作又把這些類別響應(yīng)圖進(jìn)行了可視化，對著這個可視化，可以看得出來可視化的區(qū)域有比較連續(xù)的一個特征，這是比較合理的。后面我們也會基于這樣可視化的結(jié)果，做一些弱監(jiān)督的分割工作。

　　這就是前面介紹的三個任務(wù)，我們認(rèn)為這三個任務(wù)可以當(dāng)成地表研究的一個套餐組合，三件套。前面說了一些不可數(shù)的對象檢測，如果我們想對一些可數(shù)的目標(biāo)進(jìn)行檢測，比如關(guān)于艦船進(jìn)行的依賴于傾斜矩形框檢測任務(wù)，很多人都做了檢測。具體效果上比如說中間那一堆目標(biāo)，左邊是它對應(yīng)的一個放大的結(jié)果。我們并不會用于通用的檢測方案，我們會分析我們的目標(biāo)自身的特點，針對這樣目標(biāo)比較小，又是傾斜的目標(biāo)，我們也給出了自己的解決方案，能夠保證對它進(jìn)行更高效的提升。這應(yīng)該是阿布扎比地區(qū)的效果，這是我們平常業(yè)務(wù)應(yīng)用中遇到的數(shù)據(jù)的正常狀態(tài)。后面是基于我們現(xiàn)有的模型針對Planet 3m數(shù)據(jù)進(jìn)行檢測的效果。

　　最后一個任務(wù)。前面都是單時相或者兩個時相的任務(wù)，隨著衛(wèi)星數(shù)據(jù)獲取周期縮短，我們有了多時相的數(shù)據(jù)，做了一個冬小麥的檢測，這是5個省份的檢測，我們會跟往年的統(tǒng)計結(jié)果進(jìn)行對比，我們以縣級行政區(qū)劃做了一個可視化展示，這里展示了3個時相，我們也有9時相項的監(jiān)測模型，這是檢測結(jié)果。

　　我們在訓(xùn)練這個模型的時候，我們采用了山東地區(qū)17年數(shù)據(jù)，預(yù)測用了蘇、皖、豫、魯、冀進(jìn)行了2018/2019年的數(shù)據(jù)。

　　我們還想說一點我們做這樣工作的愿景，這里特別冒昧，特別大膽的借用了毛主席在80年前紀(jì)念白求恩文章里的一句話，我們希望做一些更高尚的、純粹和脫離低級趣味和有益于人民的技術(shù)，只要我們合理的解決問題，這些都是有用、高尚的技術(shù)，既要勇敢的擁抱新技術(shù)，又對傳統(tǒng)技術(shù)抱有尊重，雖然我們是一家商業(yè)公司，但是我們在選擇技術(shù)研究方向的時候，并不只是以商業(yè)價值作為唯一的指標(biāo)，我們希望它兼顧更多的學(xué)術(shù)價值，脫離了低級趣味是指我們希望我們的技術(shù)不是特意標(biāo)新立異，奪人眼球，也不是隨波逐流做亦步亦趨的工作，真正做被人們所使用的技術(shù)。

　　盡管我們今天的結(jié)果不那么完美，但我們依然希望跟大家一起交流和探討，能夠把這件事情做的更好、更實用，謝謝大家。