導語：
1月3日，美國突然采取措施限制人工智能軟件出口，規(guī)定從美國出口特定類型地理空間影像軟件的公司必須申請許可，才能向海外輸送（出口至加拿大的情況除外）。
該新規(guī)由美國商務部下屬的工業(yè)和安全局（BIS）發(fā)布，已于1月6日正式生效。
這一消息令專注地理大數(shù)據(jù)領(lǐng)域的極海震驚和感慨。創(chuàng)立之初，我們就堅持深挖于人工智能領(lǐng)域，自主研發(fā)應對大規(guī)模影像解譯工作的技術(shù)創(chuàng)新。從極智AI智能影像識別產(chǎn)品到DeepSat深度學習百寶箱，極海始終相信只有自主知識產(chǎn)權(quán)才是不受制于外部環(huán)境的資本。
繼2019年對華一系列集中在硬件，尤其是芯片等領(lǐng)域的限制舉措后，2020伊始，特朗普政府又將黑手伸向了對全球化依賴更強的軟件。
根據(jù)美國政府發(fā)布的限制人工智能軟件出口的新規(guī)公開文件，其中提到的地理空間圖像軟件是指為訓練深度神經(jīng)網(wǎng)絡(luò)以自動分析地理空間圖像和點云而「專門設(shè)計」的軟件。這類軟件包括以下特征：
提供圖形用戶界面，使用戶能夠從地理空間圖像和點云中識別目標（如車輛、房屋等)，以提取感興趣對象的正面和負面樣本；
通過對正面樣本進行大小、顏色和旋轉(zhuǎn)歸一化操作來減少像素變化；
訓練深度卷積神經(jīng)網(wǎng)絡(luò)以從正、負面樣本中檢測出感興趣的目標；
使用訓練過的深度卷積神經(jīng)網(wǎng)絡(luò)，將正面樣本中的旋轉(zhuǎn)模式與地理空間圖像中目標的旋轉(zhuǎn)模式進行匹配，從而識別出地理空間圖像中的目標。
可以預估到，這類軟件中像ArcGIS、ENVI、ERDAS等空間信息處理軟件都會受到出口的影響，而我國多領(lǐng)域的企業(yè)都非常依賴于這些軟件，這一法令勢必會對國內(nèi)地理應用領(lǐng)域產(chǎn)生不小影響。
那么，美國為什么首當其沖限制出口地理空間圖像軟件呢？
我們知道人類絕大部分的信息都是通過視覺去獲取的，遙感衛(wèi)星、街景車、無人機、火星探測器的設(shè)備，它們是人類的第三只眼睛。從衛(wèi)星影像這類空間數(shù)據(jù)中能夠獲取非常多的信息。比如軍事基地的分布，以及基地中各種機型的數(shù)量；國家能源設(shè)施的分布情況，從而推算能源的儲量等等。
這些信息對美國有著非常重要的軍事戰(zhàn)略意義，再加上當前國際形勢緊張，美國政府一方面不想讓競爭對手知道自己國家的情況，另一方面他們還可以掌握到全球所有國家的情況，預計之后，美國有可能還會限制高分辨率影像數(shù)據(jù)的出口。
而遙感衛(wèi)星和點云這類的空間數(shù)據(jù)加上特定的軟件從中提取信息，里面有非常多的應用場景，除了軍事領(lǐng)域，能源領(lǐng)域，還有農(nóng)業(yè)領(lǐng)域，災害等領(lǐng)域，這里面關(guān)鍵可以用兩個字總結(jié)，準和快。
準是軟件/算法能夠從衛(wèi)星影像和點云數(shù)據(jù)中準確的提取出感興趣的目標，而當前深度學習技術(shù)在這一方面特別精度可以達到非常高的水平，在某些情況下甚至能夠超越人類。其次是快，衛(wèi)星影像數(shù)據(jù)通常體量非常巨大，動輒數(shù)十TB的量級，這就要求軟件能夠高效的處理海量的影像數(shù)據(jù)。
可以想象，如果這類軟件兼具這兩點技術(shù)，那么就極有可能每個月，甚至每周都會知道一個國家飛機分布在哪兒，又有哪些地方開始新建大型的項目工程，這些信息都有助于全方面掌握一個國家的方方面面內(nèi)容。
目前國內(nèi)地理空間（遙感）影像處理軟件還在發(fā)展初期，空間信息挖掘軟件的缺失，在當今日益嚴峻的貿(mào)易戰(zhàn)中，更凸顯了它的重要性。
如何做到不受制于美國這一出口禁令？作為扎根于地理位置智能決策領(lǐng)域的極海，倍感肩頭重任。
2016年開始，我們一直專注于技術(shù)應用到衛(wèi)星遙感影像等空間數(shù)據(jù)領(lǐng)域，進而有所突破，收獲成果。
在遙感影像制圖的應用上，2017年極海自控使用3米分辨率的planet影像提取道路數(shù)據(jù)，但是3m對于對于偏遠地區(qū)細小的道路的提取是遠遠不夠的。2018年我們的道路提取模型，不僅可以提取0.3米分辨率下的道路，同時時模型的精度和速度也得到進一步的提升，模型的泛化能力也得到了進一步的加強。
除了道路，我們也持續(xù)更新建筑物提取模型，在worldview高分辨率遙感影像上，極海對新的建筑物提取模型精度達到了93.7%，IOU達到了82%。
目前，極海已研發(fā)了數(shù)十種地物搜索的模型。比如對機場的搜索，飛機的搜索。這兩個搜索模型可以幫助我們了解全國甚至全球各個國家的軍事設(shè)施情況；對港口，海面上各種船舶，大型的運貨船和快艇的識別，可以幫助相關(guān)的執(zhí)法部門打擊非法捕魚和非法偷渡的現(xiàn)象，進而幫助國家在南海地區(qū)監(jiān)測其他國家的航母甚至艦艇入侵我國海域的情況；對各種油氣儲罐的識別，可以幫助環(huán)保部門排查污染源，幫助我們的投資機構(gòu)進行投資決策；對各種橋梁的識別，從一個橋梁到多個，一條道路上好幾個橋梁都可以準確的識別出來；對基礎(chǔ)設(shè)施建設(shè)非常重要的電纜塔、車輛、綠茵場和建筑物的識別，可以幫助國家的“一帶一路”建設(shè)，了解其他國家的建筑物情況，進行動態(tài)監(jiān)測，幫助分析沿線國家的城市化工作情況。
在街景車制圖的應用上，極海曾在北京六環(huán)之內(nèi)研制的道路每隔一百米會有一個采樣點，每個采樣點會覆蓋前、后、左、右四個方向三百六十度的街景數(shù)據(jù)。緊接著利用深度學習模型，將其中的建筑物、天空、綠化分割出來，計算其相應的占比，這樣我們就可以得到每個采樣點上三百六十度范圍的建筑物、天空、綠化的占比情況。右上角這個圖就是建筑物的占比情況，也就是視覺內(nèi)的建筑物覆蓋度。這些點聚合到極海研發(fā)的【自然街區(qū)】數(shù)據(jù)中，便可以得到每個街區(qū)的建筑物覆蓋情況。
在無人機影像應用上，極海嘗試賦能煙草種植管控，大家知道國家對煙草種植管控是非常嚴格的，你種的多少就要報上去多少，若是種植數(shù)量與上報數(shù)量不符，意味著部分煙草有可能留入到不法分子手里，導致市面上產(chǎn)生不少假煙的存在，這是不允許的。傳統(tǒng)的方法主要通過人力去數(shù)，然后逐級上報，異常耗時費力。而我們只需要兩個小時便可以完成煙田中近五萬株苗的工作，隨著計算資源的增加，更是可以將提取時間壓縮至二十多分鐘內(nèi)，解決以往需要花費數(shù)月數(shù)人才能解決的問題。
在深度學習應用上，我們還和中科院的博士合作對火星的表面進行了研究，撞擊坑是火星上的主要情況，我們采用深度學習技術(shù)對火星表面的撞擊坑進行標定和識別。上圖便是對火星全表面撞擊坑識別和標記的結(jié)果，可以看到密密麻麻非常多。其中直徑大于三千米的撞擊坑有八百萬，這些撞擊坑聚合之后可以觀察它的密度分布，幫助研究火星表層情況。
經(jīng)過4年的打磨，極海已經(jīng)于2018年和2019年自主研發(fā)出適應于地理智能影像識別領(lǐng)域的兩款產(chǎn)品：【極智AI影像智能產(chǎn)品】以及【DeepSat機器學習百寶箱】。
極智AI影像智能產(chǎn)品
相比傳統(tǒng)遙感處理方法。極智AI之影像智能產(chǎn)品可以從多源數(shù)據(jù)中學習、訓練模型，智能地識別影像中的地物信息，用以預測各種生產(chǎn)生活中的指標。
它的優(yōu)勢：
50000+高精度谷歌遙感影像，67類矢量數(shù)據(jù)，提供多品類高品質(zhì)訓練樣本。
高精度影像分類與分割，可識別數(shù)十種地物自動分類，分割大量遙感影像。
基于深度卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建的高精度學習模型，能夠讀取圖片深度特征，并基于深度特征搜索相似影像。
因此，極智AI影像智能產(chǎn)品能夠廣泛應用于房產(chǎn)、城市管理、城市規(guī)劃和國土資源等領(lǐng)域，提升建成區(qū)解析精度、監(jiān)測違法建筑、黑臭水體、自然資源等項目活動的效率，大幅度縮減成本。
拓展閱讀
極海新一代產(chǎn)品系列|極智AI之影像智能：從遙感、街景到火星
DeepSat機器學習百寶箱
比起極智AI影像智能產(chǎn)品單一性，極海Deepsat機器學習百寶箱進階將機器學習、深度學習和地理大數(shù)據(jù)整合，構(gòu)成一整套完整的產(chǎn)品：提供數(shù)據(jù)+算法+培訓+硬件機器。
這是極海專門針對影像信息挖掘所研發(fā)的深度學習終端，幫助開發(fā)者對自己的數(shù)據(jù)進行一系列的操作。比如數(shù)據(jù)準備：將大影像裁剪成小塊的影像，按照不同任務生成相應的訓練集和測試集格式；訓練和預測：訓練深度卷積神經(jīng)網(wǎng)絡(luò)中的語義分割模型、驗證模型結(jié)果、對新數(shù)據(jù)進行預測；以及一些后處理工具，比如結(jié)果矢量化，建筑物結(jié)果優(yōu)化等等。
目前，DeepSat機器學習百寶箱已累計多個真實案例——
某企業(yè)
某企業(yè)的業(yè)務更多的是從遙感影像中提取目標信息，根據(jù)他們的業(yè)務特點，極海針對性的指導他們?nèi)绾翁幚磉b感影像、如何訓練遙感影像、如何進行海量的預測。經(jīng)過3次培訓，該企業(yè)2位工程師用DeepSat，耗時1個月完成全國200多個城市的建成區(qū)提取工作，精度達95%，IOU為79%。
某科研院所
某科研院所工程師在機器學習零基礎(chǔ)、僅有一些基本編程能力的情況下，通過極海指導，針對他們的業(yè)務場景，幫助其梳理機器學習思路，構(gòu)建水沙預測模型的特征數(shù)據(jù)處理方法，以及最終模型的構(gòu)建。使得他們能夠快速的在1.5個月中完成了水沙預測模型的構(gòu)建工作，并在部里獲得項目驗收。
某科研院所
某科研院所工程師們之前做java開發(fā)，對python、機器學習、深度學習并不了解。極海通過現(xiàn)場培訓，協(xié)同幫助工程師們完成從測井數(shù)據(jù)的清洗、預處理到多源數(shù)據(jù)的存儲、檢索，到測井業(yè)務場景下，運用機器學習進行測井數(shù)據(jù)知識提取、語義分析、模型計算等。3次培訓后，該院所2位工程師完成數(shù)據(jù)測井的智能分析系統(tǒng)，并通過院里的項目驗收。
除此以外，DeepSat還能應用于農(nóng)田地塊識別、江河湖海監(jiān)測、建設(shè)用地監(jiān)測等多類型想象空間的影像智能領(lǐng)域。
拓展閱讀
基于“極海機器學習終端”實現(xiàn)空間規(guī)劃動態(tài)監(jiān)測
誠然，美國對地理空間影像軟件的出口管制只是個開始，看似有可能對中國相關(guān)產(chǎn)業(yè)形成一定影響，但從另一個角度想，這一管制措施將更大地激發(fā)我們自主研發(fā)的能力。
工業(yè)4.0的基礎(chǔ)就是人工智能，以后的科技競爭的主戰(zhàn)場還是在人工智能。你限制，我雄起，這是極海所看到的正向反饋。因為沒有退路，所以更能體會實現(xiàn)科技自立才是根本。
未來在地理空間影像識別版塊，我們的目標是自主研發(fā)一套能夠即準又快的衛(wèi)星遙感影像管理、挖掘的云平臺軟件，為國家在這一關(guān)鍵領(lǐng)域提供堅實的技術(shù)后盾，去實現(xiàn)人工智能領(lǐng)域的彎道超車。
{{item.content}}