成电讲堂

分享到微信 ×
打开微信“扫一扫”
即可将网页分享至朋友圈
龚健雅院士做客名师讲堂谈智能遥感解译样本库与深度学习框架设计
文:人力资源部教师发展中心 来源:资环学院 党委教师工作部、人力资源部(教师发展中心) 时间:2022-06-30 8665

        6月27日,中国科学院院士、武汉大学宇航科学与技术研究院院长、国际知名遥感学家龚健雅院士做客“名师讲堂”,做主题为“智能遥感解译样本库与深度学习框架设计与应用前景”的学术报告。

1.png

  近年来,随着遥感技术的快速发展,遥感对地观测数据获取量与日俱增。然而,遥感影像智能处理框架和信息服务能力还相对滞后,开源的深度学习框架与模型尚不能满足遥感智能处理的需求。龚健雅院士在分析现有深度学习框架和模型的基础上,针对遥感影像幅面大、尺度变化大、数据通道多等问题,带领团队设计了具备多维时空谱遥感特性的专用深度学习框架。研发了全球首个遥感影像智能解译机器学习专用框架LuoJiaNET和遥感影像样本库LuoJiaSET,为遥感智能解译新理论和新技术的验证奠定了基础,也为自然资源监测和社会经济发展等遥感信息智能处理的科研和应用提供了平台及技术支撑。

参会现场.png

  报告中,龚健雅院士重点介绍了大规模遥感影像样本库LuoJiaSET和遥感专用机器学习框架LuoJiaNET。在遥感影像样本库LuoJiaSET部分,包括完成了遥感影像样本库设计、建立统一类别体系、建立样本数据集、建立在线标注工具、建立样本共享服务平台、高分辨率和高光谱影像颗粒度地表覆盖数据集。在遥感专用机器学习框架LuoJiaNET部分,介绍了基础框架设计、遥感特性设计、LuoJiaNET多源遥感影像I/O支持、LuoJiaNET前端交互管理、LuoJiaNET开源共享服务平台等。同时,通过大量的地物智能分类任务试验,详细对比了LuoJiaNET专用学习框架与传统深度学习方法的性能,显示了具备多维时空谱遥感特性的专用深度学习框架LuoJiaNET更好地解决了遥感影像幅面大、多时空尺度、多数据通道等问题。

  在互动环节,龚健雅院士就师生们提出的问题进行了阐释和探讨。

  本次名师讲堂由人力资源部教师发展中心主办,资源与环境学院承办。


  相关链接:

  龚健雅,中国科学院院士,武汉大学教授、博士生导师,武汉大学宇航科学与技术研究院院长,摄影测量与遥感学家。国家杰出青年基金获得者、973项目首席科学家、国家自然科学基金创新群体学术带头人、国家自然科学基金委重大项目负责人,国家测绘局科技领军人才,国务院第六、七届学科评议组测绘学科组召集人。获国家科技进步创新团队奖1项(排名第三)、国家科技进步一等奖1项(排名第三)、国家科技进步二等奖3项(2项排名第一、1项排名第二)等。


编辑:林坤  / 审核:林坤  / 发布:陈伟

"