DAMO Academy mengeluarkan model AI penderiaan jauh berskala besar pertama dalam industri, mendakwa dapat mengenal pasti hampir 100 jenis klasifikasi objek darat

IT Home News pada 20 Oktober, menurut akaun awam rasmi DAMO Academy, Alibaba DAMO Academy hari ini mengeluarkan model AI penderiaan jauh pertama (AIE-SEG) pertama dalam industri, mendakwa sebagai "yang pertama mencapainya dalam bidang penderiaan jauh Ia menyatukan tugas pembahagian imej" dan "satu model merealisasikan pengekstrakan pantas 'sifar sampel segala-galanya'", dan boleh mengenal pasti hampir seratus jenis pengelasan objek tanah penderiaan jauh seperti tanah ladang, badan air. , dan bangunan, dan juga boleh melaraskan secara automatik berdasarkan maklum balas interaktif pengguna.

Dilaporkan bahawa teknologi penderiaan jauh digunakan terutamanya dalam perancangan bandar, perlindungan tanah ladang, bantuan bencana kecemasan dan aplikasi industri lain Dengan sokongan AI, teknologi penderiaan jauh yang berkaitan boleh menganalisis kandungan tangkapan satelit dan data meteorologi sejarah, dengan itu membantu operasi bandar, Perlindungan tanah ladang, bantuan bencana kecemasan dan aplikasi industri lain.

IT House meringkaskan ciri-ciri model penderiaan jauh yang besar ini seperti berikut:

• Menyokong interaksi berbilang modal Contohnya, jika anda memasukkan "Ekstrak tanah ladang daripada imej", sasaran yang dipilih akan dikenali secara automatik
.

▲ Sumber gambar Akaun awam rasmi DAMO Academy DAMO

• Sokong sebarang pengecaman sasaran permukaan dan wujudkan sistem tag semantik berbilang peringkat

▲ Sumber gambar Akaun awam rasmi DAMO Academy DAMO

• Menyokong pengekstrakan elemen penuh termasuk imej satelit dan dron

▲ Sumber gambar Akaun awam rasmi DAMO Academy DAMO

• Menyokong pembetulan hasil interaktif Contohnya, apabila mengenal pasti "sawah padi" dan tersilap mengekstrak "kawasan air", sisihan boleh diperbetulkan melalui operasi manual
.

▲ Sumber gambar Akaun awam rasmi DAMO Academy DAMO

• Menyokong pengesanan perubahan umum dan pelbagai kategori

▲ Sumber gambar Akaun awam rasmi DAMO Academy DAMO

Dinyatakan secara rasmi bahawa dalam beberapa senario tertentu, berbanding dengan model penderiaan jauh tradisional, ketepatan pengekstrakan contoh boleh ditingkatkan sebanyak 25%, dan ketepatan pengesanan perubahan boleh ditingkatkan sebanyak 30%.

Akademi Damo juga mendakwa bahawa model AI penderiaan jauh yang besar ini menyediakan perkhidmatan panggilan API "luar-the-box", dan pengguna boleh menyesuaikan fungsi tafsiran AI penderiaan jauh yang berbeza mengikut keperluan mereka, seperti "pengekstrakan badan air ", "tanah ditanam" Pemantauan perubahan", "Pengenalan fotovoltaik", dsb.

Ini akan membolehkan AI untuk terus menembusi bidang, meningkatkan kecekapan analisis aplikasi penderiaan jauh seperti pencegahan bencana, pengurusan sumber asli dan anggaran hasil pertanian.

Pada masa ini, model AI ini telah digunakan dalam industri Contohnya, Institut Ukur dan Pemetaan Tanah Wilayah Shandong dan Institut Alibaba Damo bekerjasama untuk menggunakan model AI penderiaan jauh yang besar untuk memantau pertumbuhan gandum musim sejuk ketepatan pengecaman mencapai lebih daripada 90%, dengan berkesan meningkatkan penyelesaian penderiaan jauh gandum musim sejuk Kecekapan terjemahan membantu pengurus pertanian meramalkan pengeluaran bijirin dengan lebih baik dan meningkatkan kecekapan pengeluaran pertanian.

Institut Pencegahan dan Kawalan Bencana Alam Kebangsaan juga menggunakan model ini untuk mengenal pasti tanah runtuh dan bangunan runtuh Dalam ujian ke atas imej penderiaan jauh kawasan bencana alam yang bersejarah, hanya mengambil masa sepuluh minit untuk mengekstrak maklumat bencana, yang lebih cepat daripada. pengecaman manual. Kecekapan dipertingkatkan sebanyak berpuluh-puluh kali, menyediakan sokongan analisis penderiaan jauh yang cekap dan tepat untuk bantuan bencana saintifik.

Atas ialah kandungan terperinci DAMO Academy mengeluarkan model AI penderiaan jauh berskala besar pertama dalam industri, mendakwa dapat mengenal pasti hampir 100 jenis klasifikasi objek darat. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!