阿里达摩院发布业内首个遥感 AI 大模型，号称可识别近百种地物分类

10 月 20 日消息，据达摩院 DAMO 官方公众号发文显示，阿里达摩院今天发布业内首个遥感 AI 大模型（AIE-SEG），号称“率先在遥感领域实现了图像分割的任务统一”、“一个模型实现‘万物零样本’的快速提取”，并可识别农田、水域、建筑物等近百种遥感地物分类，还能根据用户的交互式反馈自动调优识别结果。

据悉，遥感技术主要用于城市规划、耕地保护、应急救灾等行业应用，而在 AI 加持下，相关遥感技术能够对卫星捕获内容及历史气象数据进行分析，从而助力城市运营、耕地保护、应急救灾等行业应用。

本站归纳总结该遥感大模型特点如下：

• 支持多模态交互，如输入“提取影像中的耕地农田”，会自动识别所选目标

• 支持任意地表目标识别，并建立多级语义标签体系

▲ 图源 达摩院 DAMO 官方公众号

• 支持包括卫星与无人机图像的全要素提取

▲ 图源 达摩院 DAMO 官方公众号

• 支持交互式结果修正，如识别“水田”时误把“水域”也提取，可通过人工操作纠偏

▲ 图源 达摩院 DAMO 官方公众号

• 支持通用及多分类变化检测

▲ 图源 达摩院 DAMO 官方公众号

官方表示，该模型在一些特定场景下，对比传统的遥感模型，实例提取的准确率可提升 25%，变化检测的准确率可提升 30%。

达摩院同时声称，这一遥感 AI 大模型提供了“开箱即用”的 API 调用服务，用户可以根据需求定制不同的遥感 AI 解译功能，如“水体提取”、“耕地变化监测”、“光伏识别”等。

这将让 AI 进一步下沉到田间地头，大幅提升灾害防治、自然资源管理、农业估产等遥感应用的分析效率。

目前该 AI 模型已经在行业中有所应用，例如山东省国土测绘院与阿里达摩院合作利用遥感 AI 大模型进行冬小麦长势监测，识别精度达到 90% 以上，有效提高冬小麦遥感解译的效率，帮助农业管理者更好地预测粮食产量、提升农业生产效益。

而国家自然灾害防治研究院也利用该模型进行滑坡和倒塌建筑物的识别，在历史的自然灾害区域遥感图像的测试中，仅需十几分钟即可提取受灾信息，比人工识别提效数十倍，为科学救灾提供高效、精准的遥感分析支持。

以上是阿里达摩院发布业内首个遥感 AI 大模型，号称可识别近百种地物分类的详细内容。更多信息请关注PHP中文网其他相关文章！