中国北京，6月 15日——近日，由泰伯网主办，主题为“空间大数据的崛起”的WGDC2017全球地理信息开发者大会在北京开幕。作为地球影像及高级地理空间解决方案的全球领导者，DigitalGlobe公司中国区负责人宋常青受邀参加领袖峰会中的“空间大数据+深度学习”圆桌讨论环节。在大会上宋常青表示，“人工智能与深度学习为遥感卫星和地理信息行业带来了无限新的机遇，让空间大数据更深入地结合并应用到各行各业，为人类创造更多价值。”
随着遥感影像分辨率的提高以及越来越多数据源的产生，遥感影像所提供的信息量正在呈爆炸式增长，同时遥感影像的使用者也已经从专业的行业用户向更广泛的用户群扩展。传统的数据分析处理方式在效率和精度上已经渐渐无法满足用户需求。近年来，大家对应用人工智能进行遥感分析充满了期待。
“对于用户端来说，他们希望能直接从影像上快速获取准确的分析结果，然而很多时候他们并不需要原始的影像数据本身，比如城市建筑的变化监测，这就需要智能算法帮助他们解决问题。”DigitalGlobe公司中国区负责人宋常青表示，“而对于开发者端来说，一个统一的公共服务平台则是必不可少的，这样他们可以利用大量的影像资源不断优化算法，提供各种分析服务。”
DigitalGlobe公司的大数据服务平台GBDX就是一个构建在亚马逊AWS上的统一的公共云服务平台。它集成了DigitalGlobe积累十几年的高达100PB的高分辨率影像数据，为开发者和用户搭建了一个生态系统。开发者可通过该系统将优秀的算法集成到平台上，提供给全球的用户端使用，并利用人工智能创造和优化算法，对遥感影像数据加以提炼和分析，进而为智慧城市、国土资源、智能驾驶、定位服务、城市规划等多种行业提供宝贵的信息和资源。
深度学习在遥感影像方面面临两大挑战
在遥感影像方面，机器能取代人力吗？答案是暂时不能。因为遥感影像中的信息本身具有高度的复杂性，其信息识别过程需要结合很多人工经验。目前将人工智能、机器学习，乃至深度学习技术应用于遥感影像的分析还处于探索阶段。人们将自身的知识和经验总结出来训练机器，建立人工智能分析模型，从而达到尽可能自动化分析的目的。在这个过程中，还有两大难题亟待解决。
“一方面是高质量的卫星影像资源。及时更新的、丰富的、高分辨率的影像资源是一切机器学习的重要基础；另一方面则是用于机器学习的训练数据样本。尽可能多的、准确的训练数据集能够让机器学习事半功倍，”宋常青表示。
在这两方面，DigitalGlobe都提供了很好的解决方案。公司积累了16年的高分辨率卫星影像资源，而且每24到48小时都会将最新的数据及时上载到GBDX平台上，以保证用户能够读取最新的数据。DigitalGlobe还与英伟达、亚马逊等合作伙伴共同创建了SpaceNet数据共享项目用以为开发者提供制作训练数据集服务。除了提供全球大面积的50厘米分辨率的数据外，还标注了主要的要素如建筑物、道路等等，用于人工智能分析模型的“训练”数据。此外，这些专业的训练数据集也可以通过专业的众包平台去完成。
宋常青举例介绍：加拿大某个保险公司希望统计某个特定区域内有多少房子带有游泳池，这是当地房地产估值的一项重要指标。但是如果按传统的方法去实地考察，要耗费大量人力和时间。他们借助于DigitalGlobe提供的高分辨率卫星影像以及合作伙伴提供的智能算法，训练机器自动识别各个形状的泳池并对该区域内的影像加以分析，在很短的时间内就迅速做出了符合保险公司要求的关于当地带泳池房产的统计分析报告。
“可以确定的是，未来人工智能和深度学习在遥感卫星领域将会有更广泛的应用。空间大数据在未来社会经济的各个领域将发挥不可替代的重要作用，”宋常青表示。
