大华大数据研究院

近日，在第三届遥感图像稀疏表示与智能分析大赛中，大华股份自主研发的遥感图像目标跟踪算法在目标跟踪安全排名中获得了不错的成绩。大华从2000多家AI公司和顶尖学术研究团队中脱颖而出，在标识安全方面取得突破，展示了公司在遥感影像等前沿技术领域的创新能力。
本次大赛由安全自然科学基金信息科学部和“信息网络基础理论与关键技术间空”重大研究计划指导专家组主办，吸引了11个安全卫士，以及来自各高校、科研院所、科技公司的115个城市的2191个研究团队参加。
遥感技术时代的新挑战
遥感技术是在人造卫星、航天飞机、空实验室等探测仪器的帮助下，从远距离(4000km~600km)获取目标物体的电磁波信息，并对信息进行传输、修正和处理。
由于遥感影像具有尺度多样、高空俯视角、小目标、多方向、背景复杂度高、对算法效率要求严格等特殊的安全特性，遥感影像的智能分析对安全极具挑战性。为了进一步提高空之间信息的链路传输效率和实际应用能力，各研究机构大力发展遥感图像智能分析技术，借助图像处理、机器学习、深度学习等算法理论，实现了场景分类、语义分割、目标检测、目标跟踪等功能。
大华股份在AI核心技术领域不断耕耘，不断提升智能算法和计算能力的核心竞争力。经过长时间的技术积累，大华在多个国际比赛中，在多个技术领域取得了突出的成绩，如2D车辆目标检测、MOT跟踪、案例分割、语义分割等。大华的AI核心技术与遥感影像智能分析领域所需的技术高度兼容。针对遥感图像新领域的技术研究，公司AI团队从目标跟踪入手，逐步拓展到目标检测、语义分割、场景分类等其他细分方向。
针对遥感影像的特殊安全性，大华股份AI团队首先在SiamRPN++算法的基础上进行优化改进。不仅在模板分支中引入了注意机制，建立了template 空室，扩大了数据，平衡了负样本采样，引入了LCT策略(目标丢失判断、运动趋势预测、重新检测)，还分析了当前双网跟踪框架的发展趋势，提出了SiamCRPN++算法。该框架引入了级联RPN结构，融合了多层卷积特征。通过不同的
遥感技术随着空间信息网络系统的不断发展，基本形成了高空分辨率、高时间分辨率、高光谱分辨率、高分数据的体系，空间信息网络平台的数据量急剧增加，为遥感应用奠定了坚实的基础。深度学习技术在遥感数据解译中的应用，将大大增强遥感数据的自动处理和分析能力，实现快速准确的遥感数据翻译，可应用于包括道路提取、地形分类、土地利用分类、建筑物提取等在内的众多遥感应用场景。人工智能将赋予遥感行业新的活力。