基于多维遥感数据的AI能力
在分析现有深度学习框架和模型的基础上,针对遥感影像幅面大、尺度变化大、数据通道多等问题,设计嵌入遥感特性的专用深度学习网络,具有多框架混合编程、可拖拽的可视化操作及数据与框架协同等功能,使其能够与样本库紧密结合,自动适应多类型、多尺度、多级别的大规模遥感影像样本的训练与测试。同时,该框架能够构建顾及遥感特性的优化分析方法,为模型结构优化提供了科学依据。
前端层
多框架混合编程
PyTorch
TensorFlow
MindSpore
...
和谐层
遥感特性嵌入
通道灵活选择
遥感知识融合
尺度灵活选择
数据层
多维遥感数据
主动式业务智能分拨服务
传统的影像解译仅偏向于一种解译目标,针对特定需求开展标注、训练、解译等工作,然后定向服务一个方向,比如建筑物提取用于进行城市化发展分析,遥感影像数据的利用率十分低下,AI模型单一且分散。
2024新澳门历史记录查询智算中心产品基于业务模型,设计出一种基于AI的解译智能分拨服务,充分利用平台的高频遥感影像数据,依托平台的超算能力,实现解译成果向多个部门、业务方向的主动推送。
数据和应用一体化集成服务平台
无缝衔接“入-管-训-译-用”,实现高效的数据和应用一体化集成服务,同时以闭环实现完整的数据、业务应用逻辑,满足多维业务应用。
自适应卷积和轻量化的遥感图像超分服务
基于卷积的自适应局部特征提取与轻量化相结合,以实现高效高质量的遥感图像超分辨重建。通过将特征进行高低频分解和自适应权重对不同感受野范围的高低频特征进行动态融合,增强不同感受野范围以及高低频特征之间的信息交互,提高模型对细粒度局部特征的学习能力。提升网络对遥感图像内部结构关联关系的感知与表达能力,以较低的计算成本实现较高的超分辨性能。