点此进入PC端免费体验哦 一、前 言 如今AI技术已进入“大模型”时代，遥感数据具备规模大、时序长、种类多等典型特征，蕴含着丰富的地学知识和地理空间信息，非常匹配AI大模型训练数据规模大、泛化性强、多模态兼容等特点。基于遥感AI大模型，可以对海量遥感

机器学习类函数算子 AI Earth在用户访谈中收到了多位用户反馈，希望平台能提供机器学习相关算子能力。我们快速规划和研发，近期上线了20多类与机器学习相关的函数算子，包括常用的分类器，如随机森林、支持向量机、贝叶斯等，同时上线对分类模型精度进行评价

样本标注 模型训练是AI Earth地球科学云平台的主要功能之一。用户基于自有的样本数据，使用模型训练功能，即可自主、灵活的构建专属AI模型。目前，平台提供了集样本标注、样本管理、模型训练、模型管理为一体的一站式模型训练能力。 AI Earth平台中

风机检测算法与风机分布数据集上线 随着全球环境问题的日益严重，新能源作为一种清洁、可再生的能源类型，正在得到越来越多的关注和推广。在双碳背景下，我国的风电市场也步入快速发展的大浪潮中。根据国家能源局最新数据，截至2022年10月底，我国风电并网装机容

长时序土地覆盖数据集 土地覆盖数据是理解人类活动与全球变化之间复杂相互作用的关键信息来源，我国在过去几十年中经济和人口迅速发展，土地覆盖随之发生巨大变化，定期监测土地覆盖的变化对全球环境变化的起因、全球气候变化监测都具有重要意义。 该数据集由武汉大学

AI Earth地球科学云平台基于达摩院在深度学习、计算机视觉、地理空间分析等方向上的技术积累，结合阿里云强大算力支撑，提供多源遥感对地观测数据的云计算分析服务，用数据感知地球世界，让AI助力科学研究。

为加强用户对AI Earth的理解，促进双方交流，提升AI Earth在地球科学领域的服务支撑能力，达摩院多位专家带来AI Earth地球科学云平台线上系列培训，干货满满，诚邀参与！ 一、课程内容 二、培训课程-AI Earth地球科学云平台概况(

AI Earth基于水体频率算法及S2的水体识别及分类

本文解读我们ICML2022上发表的论文《MAE-DET: Revisiting Maximum Entropy Principle in Zero-Shot NAS for Efficient Object Detection》。

本文解读我们ICLR2022上发表的论文《Entroformer: A Transformer-based Entropy Model for Learned Image Compression》。

本文解读我们ICLR2022上发表的论文《GiraffeDet: A Heavy-Neck Paradigm for Object Detection》。

本文解读我们ICLR2022上发表的论文《Ada-NETS：Face Clustering via Adaptive Neighbour Discovery in the Structure Space》。

本文解读我们ICLR2022上发表的论文《CDTrans: Cross-domain Transformer for Unsupervised Domain Adaptation》。

基于 Transformer 的旋转目标检测框架 D2Q-DETR

半监督学习介绍

遥感大数据与人工智能深度融合的时代，利用遥感AI算法，一起寻找地球上有趣的地物。

遥感大数据与人工智能深度融合的时代，利用遥感AI算法，一起寻找地球上有趣的地物。

无门槛遥感数据变化检测

AI Earth地球科学云平台开发者模式提供了丰富的遥感数据和函数计算能力，下面介绍结合AIE Notebook，实现遥感数据的百分比线性灰度拉伸。