アリババ DAMO アカデミーは 10 月 20 日、業界初の大規模リモート センシング AI モデルをリリースしました。単一のモデルで農地、作物、建物、その他の表面オブジェクトを識別できるため、AI が現場にさらに浸透し、防災が大幅に向上します。このモデルは、資源管理や農業収量推定などのリモートセンシングアプリケーションの分析効率を向上させるために、AI地球科学クラウドプラットフォームで使用できるように公開されました。
リモート センシング技術は、都市運営、農地保護、緊急災害救援など、国民経済と国民生活に広く使用されています。リモート センシング AI は、既存データの活用の深さを大幅に高め、より洗練された出力を実現します。衛星写真と過去の気象条件などの正確な分析結果を組み合わせることで、特定の農地の作物の生育状況を「計算」できるため、農業はもはや受け身ではなく、より積極的に「天候に応じて」行うことができます。 」
これまでは、膨大な規模のリモート センシング衛星画像データと地上物体の複雑な分類により、さまざまな地表物体を識別するには、複数の専用リモート センシング モデルを個別にトレーニングする必要があり、単一のモデルを使用する必要がありました。認識精度と一般性が低かった 性交などの問題。 2023年4月にMetaが発表した論文「Segment Anything」は、コンピュータビジョンに大規模モデルの急速な反復の瞬間をもたらし、また「1つのモデルが複数のタスクを解決する」という方向でリモートセンシングAIの開発を促進した。
DAMO アカデミーが提案したリモート センシング AI 解釈ユニバーサル セグメンテーション モデル (AIE-SEG) は、リモート センシングの分野で画像セグメンテーションのタスクを統合した最初のモデルです。1 つのモデルで「あらゆるもののゼロ サンプル」を迅速に達成できます。 「抽出では、農地、水域、建物など、約100種類のリモートセンシング表面オブジェクトを識別でき、マルチタスク処理下でも高精度の認識を維持でき、ユーザーの対話に基づいて認識結果を自動的に調整することもできます」フィードバック。一部の特定のシナリオでは、従来のリモート センシング モデルと比較して、インスタンス抽出の精度が 25%、変更検出の精度が 30% 向上します。
以上がアリババDAMOアカデミーがリモートセンシングAIの大型モデルを公開、AIの分野へのさらなる浸透を可能にの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。