近日，在第三屆遙感圖像稀疏表征與智能分析競賽中，大華股份自主開發(fā)的遙感圖像目標(biāo)跟蹤算法，獲得了目標(biāo)跟蹤精度排行榜第一的好成績1，2。大華從2000多個AI公司及頂尖的學(xué)術(shù)研究團隊中脫穎而出，取得標(biāo)志性突破，彰顯了公司在遙感圖像等前沿技術(shù)領(lǐng)域開拓的創(chuàng)新能力。

該競賽由國家自然科學(xué)基金委信息科學(xué)部、“空間信息網(wǎng)絡(luò)基礎(chǔ)理論與關(guān)鍵技術(shù)”重大研究計劃指導(dǎo)專家組主辦，吸引了11個國家,115個城市2191支來自各大高校、研究所與科技公司相關(guān)領(lǐng)域研究團隊參賽。

圖一城市遙感圖像

1官方鏈接：rscup.bjxintong.com.cn/?from=groupmessage#/theme/5

2 UZI：大華股份先進技術(shù)研究院團隊

遙感技術(shù)時代新挑戰(zhàn)

遙感技術(shù)，借助人造衛(wèi)星、航天飛機、空間實驗室等探測儀器，從遠(yuǎn)距離（4000km~600km）獲取目標(biāo)物體的電磁波信息，通過對該信息的傳輸、修正、處理、分析，形成一個多層次、多視角、多領(lǐng)域的觀測體系，廣泛應(yīng)用于資源勘探、環(huán)境監(jiān)測、公共安全等多個領(lǐng)域。

由于遙感圖像具有尺度多樣性、高空俯視視角、小目標(biāo)、多方向、背景復(fù)雜度高等特性，同時對算法效率要求嚴(yán)苛，因此遙感圖像智能分析極具挑戰(zhàn)性。為了進一步提升空間信息的鏈路傳輸效率與實際應(yīng)用能力，各研究機構(gòu)大力發(fā)展遙感圖像智能分析技術(shù)，借助圖像處理、機器學(xué)習(xí)、深度學(xué)習(xí)等算法理論，實現(xiàn)場景分類、語義分割、目標(biāo)檢測、目標(biāo)跟蹤等功能。

圖二遙感圖像智能分析（語義分割、目標(biāo)檢測、目標(biāo)跟蹤）

大華積極開拓遙感技術(shù)創(chuàng)新研究

大華股份在AI核心技術(shù)領(lǐng)域持續(xù)耕耘，不斷提升智能算法、算力的核心競爭力。經(jīng)過長期的技術(shù)積累，大華股份在2D車輛目標(biāo)檢測、MOT跟蹤、實例分割、語義分割等多項國際競賽中的多個技術(shù)領(lǐng)域取得優(yōu)異成績。大華AI核心技術(shù)與遙感圖像智能分析領(lǐng)域所需技術(shù)高度契合，公司AI團隊針對遙感圖像新領(lǐng)域的技術(shù)研究，首先從目標(biāo)跟蹤開始，并逐漸向目標(biāo)檢測、語義分割、場景分類等其它細(xì)分方向拓展。

針對遙感圖像的特殊性，大華股份AI團隊，首先在SiamRPN++算法基礎(chǔ)上進行優(yōu)化與改進。不僅在模板分支引入注意力機制、建立模板空間、數(shù)據(jù)增廣、均衡負(fù)樣本采樣、引入LCT策略（目標(biāo)丟失判斷、運動趨勢預(yù)測、重檢測）方面實現(xiàn)優(yōu)化，還對當(dāng)前基于孿生網(wǎng)絡(luò)跟蹤框架的發(fā)展趨勢進行分析，提出一種SiamCRPN++算法，框架上引入級聯(lián)的RPN結(jié)構(gòu)，融合多層卷積特征，并通過不同訓(xùn)練方式使得RPN具有不同的特性。

(a)目標(biāo)受到遮擋物及背景干擾物影響下的跟蹤效果

(b)目標(biāo)大范圍旋轉(zhuǎn)情況下的跟蹤效果

圖三遙感圖像目標(biāo)跟蹤結(jié)果展示

遙感技術(shù)隨著空間信息網(wǎng)絡(luò)體系的不斷發(fā)展，高空間分辨率、高時間分辨率、高光譜分辨率、高分?jǐn)?shù)據(jù)的體系已經(jīng)基本形成，空間信息網(wǎng)絡(luò)平臺數(shù)據(jù)量急劇增加，為遙感應(yīng)用奠定了堅實基礎(chǔ)。將深度學(xué)習(xí)技術(shù)引入遙感數(shù)據(jù)解譯應(yīng)用中，將大幅提升遙感數(shù)據(jù)的自動化處理與分析能力，快速精準(zhǔn)地實現(xiàn)遙感數(shù)據(jù)翻譯，可應(yīng)用于包括道路提取、地形地貌分類、土地利用分類、建筑物提取等多個遙感應(yīng)用場景。人工智能將賦予遙感產(chǎn)業(yè)新的活力。