本文探讨了遥感技术与深度学习的融合，如何通过高分辨率对地观测系统提升遥感影像目标检测的精度。阐述了项目痛点，如数据复杂性、业务周期长、网络压力大和设备管理困难，以及资源利用率低的问题。重点介绍了时空数据一体机和大数据一体机的解决方案，强调了高性能、兼容性、数据安全和客户效益，如效率提升、能源节约和运维监管的改进。
遥感测绘 | 气象水文 | 星图计算 | 测绘地理
深度学习 | 卫星影像 | 基础测绘 | 星地计算
随着遥感影像的空间分辨率、光谱分辨率和时间分辨率不断提高，空间技术发展尤其是地理信息系统和全球定位系统技术的发展及相互渗透，遥感影像应用领域越来越广泛。国家高分辨率对地观测系统重大专项已全面启动，高空间、高光谱、高时间分辨率和宽地面覆盖于一体的全球天空地一体化立体对地观测网逐步形成，为保障国家安全的基础性和战略性资源。遥感测绘影像目标检测需求不断增长以及大数据的发展，极大地促进了深度学习在遥感图像目标检测领域的应用研究。遥感影像检测算法日新月异，遥感影像目标检测与识别任务仍面临着诸多挑战。
项目痛点
-
数据多样复杂
遥感影像目标具有尺度差异性，目前大多采用融合多层特征的方式来获取多尺度特征以优化小目标及密集目标的识别效果，但目前仍旧缺乏适合遥感多尺度目标检测的性能更优异的方法。利用外部存储设备，进行数据分发和传递。数据归口管理难度大，涉密数据存风险。
-
业务周期长
由于大量的遥感标注数据耗费
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
