新功能探索 | 遥感领域首个任意目标提取功能

[AIEarth地球科学云平台]

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，可以对海量遥感数据中的信息进行快速挖掘提取，并结合多模态数据组合分析，智能推理辅助业务决策。

 

相较于一般自然影像，遥感影像通常具有以下特点：分辨率较低，其中目标较小但数量较多，且背景更为复杂。因此，从遥感影像中提取目标更加具有挑战性。

VS

自然影像                                                        遥感影像

 

目前在AI Earth云平台，已上线16类遥感AI解译工具，均为基于传统且成熟的深度学习技术路线，在线下多年实际业务场景中打磨沉淀的端到端SOTA模型，每个模型标注、训练、优化的投入成本已无法量化统计。

AI Earth云平台16类遥感AI解译工具

 

二、AI Earth 新功能探索

今天，为进一步降低遥感AI应用门槛，我们推出一款基于AI Earth遥感通用基础分割模型的在线应用体验：任意目标提取。支持在参考影像中选择任意目标，“零样本”快速批量提取其他影像中的对应目标。

体验地址

此功能基于AI Earth团队在遥感领域视觉参考式分割训练数据无监督标注系统和任意目标批量提取算法框架的研究，拓展传统遥感领域目标可识别类目范畴，特别是遥感影像中的长尾目标或类目，基于“大模型”技术无需专门制备海量样本进行指定目标的端到端模型训练。

 

关键词一：任意目标

区别于传统遥感AI业务模型只能针对固定且有限的分割识别类目，AI Earth“任意目标提取”模型通过打点/划框的交互式标注，获取任意目标的少量提示信息后，即可批量分割提取所有相似目标。目前我们已试验的类目包括飞机、舰船、汽车、油罐、运动场、码头、游泳池、沙坑、草圈、光伏面板、养殖网箱等等......

光伏面板

运动场

卡车

油罐

树木

建筑

道路

水域

 

关键词二：批量提取

区别于Segment Anything Model (SAM)等开源模型仅支持在单张图片上进行分割提取，AI Earth“任意目标提取”支持对多张影像进行统一提取，实现相似目标批量“搜索”功能。目前体验版可以上传5张影像进行测试，更多遥感格式数据和基于OGC影像地图分析的功能，后续也将在平台陆续推出，作为实际生产力工具供大家使用。

AI Earth“任意目标提取”功能

 

附AI Earth“任意目标提取”体验版本与SegGPT、SEEM demo效果对比：

AI Earth“任意目标提取”体验版本效果

 

SegGPT demo效果

SEEM demo效果

 

关键词三：结果修正

传统遥感AI模型标注成本高，训练优化迭代周期长是核心痛点。AI Earth“任意目标提取”采用全新思路，基于遥感AI通用基础分割模型，支持通过标记提示信息快速反馈，秒级提升模型分割效果，从而降低模型调优门槛。

如下图所示，如果您对结果不满意，可以点击 “修正结果”，在左侧完成结果图斑修正后，再次点击“提取目标”，模型会自动优化并重新提取目标。此功能仍在持续优化中，欢迎提供体验反馈。

如果对初次识别结果不满意，可以点击“修正结果”按钮

基于初次识别的结果加以人工修正，或直接再次点击“提取目标”按钮，通常效果会进一步提升

 

三、如何体验AI Earth“任意目标提取”？

请点此进入体验

 

第一步 选择示例/自主上传数据

选择或上传一组遥感影像，确保这组影像的每张图都包含待提取的目标，比如每张图都含有油罐目标。

 

第二步 选择需要提取的目标

选择其中的一张影像，点击 【进入目标提取】 按钮，使用交互式工具对待提取的目标进行打标，比如标记一个油罐。

 

第三步 查看批量提取结果

点击 【提取目标】 按钮，查看所有影像中的提取结果。如果提取结果不佳，可以点击 【修正结果】 按钮，通过人工修正反馈给模型，秒级提升再次预测的效果。

 

四、结 语

目前该功能在飞机、油罐、舰船、运动场等实例型目标提取，以及建筑、水体、道路、码头等常见地类分割中表现较好，AI Earth“任意目标提取”功能的底层算法仍在不断优化，我们正在持续迭代，一些正在进行的工作包括：

1、持续提升模型的精度、泛化性和推理速度。

2、支持一键提取所有类别目标，并自动判别目标类别。

3、支持tif等遥感数据格式及OGC影像数据源的分析链路。

4、基于工具箱模式，支持用户管理标签模板和标注结果，优化多轮迭代修正结果能力。

5、支持更多种模板提示类型，例如支持语言、涂鸦、素描及多种提示类型组合，提升产品易用性。

 

我们希望以此为开端，全力投入遥感AI基础大模型的探索工作，随着已经发现的模型所涌现出的新能力，我们相信未来将还会出现更多令人惊喜的成果，而这些能力也将广泛应用于自然资源监测、商业勘测选址、灾害救援分析、地理空间情报等领域，遥感AI的价值依旧潜力无限。