CCF YOCSEF哈尔滨成功举办“人工智能+遥感,距离应用有多远?”线上论坛
2020-04-28 阅读量:1097 小字

CCF YOCSEF哈尔滨成功举办“人工智能+遥感,距离应用有多远?”线上论坛

2020年4月26日下午2点,CCF YOCSEF 哈尔滨举行了人工智能+遥感,距离应用有多远?”为主题的技术论坛。时处新冠肺炎疫情期间,论坛采用“腾讯会议+微信群+Zoom同步直播”的线上形式,本次活动的执行主席是景维鹏CCF YOCSEF哈尔滨AC委员)、李洋CCF YOCSEF哈尔滨AC委员),微论坛主席是孙广路CCF YOCSEF哈尔滨主席、江晓林CCF YOCSEF哈尔滨候任副主席)。来自全国各大高校的教师和学生以及企业人员参与了此次活动,仅腾讯会议线上互动平台人数多达300余人。

腾讯会议线上人数多达300余人

论坛由执行主席景维鹏主持,随后由特邀的三位讲者肖亮(南京理工大学)、宋宽(北京佳格天地科技有限公司)和夏桂松(武汉大学)围绕论坛主题分别做了引导发言。

首先,来自南京理工大学计算机科学与工程学院的肖亮教授援引古诗词生动形象地介绍了遥感以及高分辨时-空-谱数据分析的科学背景,然后从高光谱成像特点和数据处理展开,着重强调了高光谱高分辨率数据智能分析的若干关键问题。最后报告从应用层面指出,高光谱系统遥感工程是高光谱遥感数据与其他遥感数据、与物化探信息以及三维可视化技术、虚拟现实技术等多项技术的综合性工程。

肖亮教授报告

接着,来自北京佳格天地科技有限公司的宋宽博士分享了主题为基于深度学习的自然界要素数据流预测的报告。首先从实际例子出发阐述了时间-空间传感器数据流提取、识别与预测。随后以利用自然数据流进行降雨预测为例,介绍了宋博士所带领的佳格公司团队在基于人工智能技术的遥感应用的具体工作。

宋宽博士报告

最后,来自武汉大学的夏桂松教授在回顾和总结近十年遥感图像解译相关工作的基础上,从标注数据准备的原则、数据源、过程、工具等方面,分享了团队在遥感图像解译标准数据集构建时的经验,特别是如何测试和评价遥感图像解译算法,哪些数据适合训练数据驱动的遥感图像解译模型,以及遥感图像解译算法的泛化性能和迁移能力。

夏桂松教授报告

引导发言之后,论坛进入了自由讨论阶段,三位特邀嘉宾、来自CCF YOCSEF哈尔滨和黑龙江省计算机学会的会员以及驻哈企业、高校师生展开了热烈的思辨和讨论。执行主席准备了引导论点“阻碍人工智能+遥感应用落地的是技术壁垒还是数据缺陷?三位专家就这个问题分别提出了自己的看法。很快大家就讨论到了更广泛的问题与会者提出林业这种特定行业,人工智能能落地,数据是最大的障碍,至今人工获取数据,仍是最佳途径。此外遥感数据中的噪声和弱信号问题,弱监督或者自监督方法在遥感领域应用前景问题也是讨论的热点。通过本次论坛的激辩和思想碰撞,大家纷纷表示收获良多。随着人工智能技术的发展,使用AI技术提高遥感影像数据的自动处理得到越来越多关注,未来这一领域将会继续向前推进,取得更深更广的发展。


CCF聚焦