棋牌游戏

JIYUSHENDUXUEXIDEHAIYANGYAOGANYINGXIANGXINXIWAJUE | NSRZONGSHU

  近日,中国科学院海洋研究所李晓峰研究员、王凡研究员等在《国家科学评论》(National Science Review, NSR)发表综述文章Deep Learning-Based Information Mining From Ocean Remote Sensing Imagery(基于深度学习的海洋遥感影像信息挖掘),系统总结和分析既有研究成果,提出并验证相应深度学习模型,并对未来研究方向进行探讨 

  海洋遥感大数据与深度学习的碰撞 

  RENLEIWENMINGZHIJIESHOUYIYUHAIYANG。HAIYANGKEYIKONGZHIHEDIAOJIEQUANQIUQIHOU,BINGWEIRENLEITIGONGFENGFUDESHIWUYUZIYUAN、JINGJIBIANJIEDEYUNSHUTUJING,YIJIGAOKEJICHANYEDEFAZHANKONGJIAN。RENZHIHAIYANG、KAIFAHAIYANG、BAOHUHAIYANGSHIRENLEIZIZIBUJUANDEZHUIQIU。

  自1978年第一颗海洋遥感卫星SEASAT成功发射运行以来,经过近半个世纪的发展,在轨运行的海洋遥感传感器数量急剧增长(图1),覆盖温度、盐度、风场、高度、海冰、内波、涡、生物量、舰船、溢油、珊瑚礁、海岸带等等诸多方面。遥感信息极大促使和丰富了人们对于海洋的认知。随着卫星和传感器技术的发展,海洋遥感数据朝着更加大量(Volume)、快速(Velocity)、多变(Variety)和真实(Veracity)的方向发展,而其中蕴含的高价值(Value)信息则是稀疏存在、需要挖掘的,从而体现出大数据的5V特点。海洋遥感进入大数据时代,亟待研究高效、准确、稳定的信息挖掘模型、技术与系统。 

图1. 深度学习与海洋遥感大数据的碰撞将催生一系列高精度、高效率、智能化的海洋遥感影像信息挖掘模型与应用技术,最终将会诞生人工智能海洋学

  从海洋遥感影像中进行信息挖掘,有两类重要的基础性问题:基于像素级的分类和基于对象级的检测。这些问题的传统解决思路是物理建模、统计建模、人工设计特征结合分类器等。在很长时间内,这些思路发挥着重要作用,但是也存在泛化能力有限、稳定性不足的性能瓶颈。

  自2012年以来,深度学习在海量图像数据信息挖掘中大放异彩,其采用“端对端”的特征学习,通过多层处理机制揭示隐藏于数据中的非线性特征,从大量训练集中自动学习全局特征(这种特征被称为“学习特征”),这是其在图像信息挖掘领域取得成功的重要原因,也标志着特征模型从人工设计特征向机器学习特征转变。可以预见的是,深度学习与海洋遥感大数据碰撞将诞生一系列高精度、高效率、智能的海洋遥感影像信息挖掘模型与应用技术(图1)。

  在此背景下,中国科学院海洋研究所李晓峰研究员为第一作者,王凡研究员为通讯作者,柳彬(上海海洋大学)、郑罡(自然资源部第二海洋研究所)、任沂斌、刘颖洁、高乐、张斌(中国科学院海洋研究所)、张双尚(河海大学)与刘玉海(中科曙光)等为共同作者,在National Science Review 发表综述文章Deep Learning-Based Information Mining From OceanRemote Sensing Imagery (基于深度学习的海洋遥感影像信息挖掘),深入调研现状,系统总结过去几年的研究成果,对基于深度学习的海洋遥感影像信息挖掘、特别是像素级图像分类与对象级目标检测进行深入剖析和阐述,提出相应的深度学习模型,在内波提取、海岸带水淹区域制图、全球中尺度涡检测等八个典型应用上进行性能验证,并对未来需要重点突破的几个问题进行探讨。

  海洋遥感影像信息挖掘深度学习模型 

  针对像素级影像分类、对象级目标检测这两个基础问题,该文分别基于经典的U-Net架构(像素级分类)和SSD架构(对象级检测)提出适合于海洋遥感影像的深度学习模型(图2)。 

  GAIMOXINGJUYOULIANGGETEDIAN:

棋牌游戏  (1)JIANGHAIYANGYAOGANWULIJILIYUSHENDUXUEXIWANGLUOJINXINGJIEHE,SHIHAIYANGYAOGANYINGXIANGXINXIWAJUEDEDINGZHIHUAMOXING;

棋牌游戏  (2)CAIYONGMOKUAIHUADESHEJIHECHANSHUSILU,YOULIYUZAIQITALEISIDEHAIYANGYAOGANYINGYONGWENTIZHONGSHIXIANMOXINGDEFUYONGHETUIGUANG。

 

图2. 模块化的海洋遥感影像信息挖掘深度学习模型 (a) 用于像素级图像分类的模型;(b) 用于对象级目标检测的模型

棋牌游戏  GAIWENXUANQUNEIBOTIQU、HAIANDAISHUIYANQUYUZHITU、QUANQIUZHONGCHIDUWOJIANCE(TU3)、YIYOUQUYUTIQU、HAIBINGJIANCE、LVZAOTIQU、JIANCHUANJIANCE、SHANHUJIAOJIANCEDENGBAGEDIANXINGHAIYANGYAOGANYINGYONGJINXINGYANZHENG,JUNQUDELEJINGZHUN、GAOXIAODEXINGNENG,BINGQIEZAIFUZABEIJING、XITONGCANSHUGANRAOQINGKUANGXIABAOCHILEXINGNENGDEWENDINGXING,ZHENGSHITICHUDEHAIYANGYAOGANYINGXIANGXINXIWAJUESHENDUXUEXIMOXINGDEKEXUEJIAZHIYUYINGYONGQIANJING。

 

图3. 基于深度学习的全球中尺度涡检测 (a) 2019年1月1日全球检测结果;(b) 在南海区域的局部放大图;(c)-(f)涡旋内Drifter浮标在不同时刻的轨迹

  未来研究的重点 

  基于深度学习的海洋遥感影像信息挖掘已展示出其强大的性能,在未来,尚有几个问题需要重点突破: 

棋牌游戏  (1)JIYUSHENDUXUEXIDEMOXINGXUYAODALIANGPIPEIZHENZHIDEGUANCESHUJUJINXINGQUDONGHEYANZHENG,ZHEIXUYAOJIHEZHENGGEHAIYANGKEXUELINGYUDELILIANG,RONGHEDUOZHONGGUANCESHOUDUAN,GOUJIANBIAOZHUNSHUJUJI,CAINENGGOUKUAISUTUIDONGLINGYUDEFAZHAN。

棋牌游戏  (2)MUQIANYAOGANYINGXIANGXINXIWAJUEDESHENDUXUEXIMOXINGDABUFENLAIZIYUJISUANJISHIJUELINGYU,ZHENDUIHAIYANGYAOGANWENTI,XUYAOSHENDURONGHEHAIYANGKEXUELINGYUZHISHI,GOUJIANSHIYONGYULINGYUDEMOXING,JISHIXIANHAIYANGKEXUEDETANSUO,YENENGFANGUOLAICUJINSHENDUXUEXITONGYONGMOXINGDEFAZHAN。

  (3)DUIYUTONGYIHAIYANGXIANXIANG,BUTONGLEIXINGDECHUANGANQIDOUYOUKENENGSHIXIANGUANCE,DANSHIXINXIWAJUESUOXUTEZHENGCHAYIJUDA,XUYAOYANJIUMIANXIANGBUTONGCHUANGANQIJUNNENGWENDINGFAHUIDESHENDUXUEXIMOXING,ZHEIYANGNENGGOUTISHENGMOXINGDEFANHUANENGLIHESHIYONGJIAZHI。

棋牌游戏  CHUGAIWENGUANXINDELIANGZHONGJINGDIANSHENDUXUEXIWANGLUOJIAGOUWAI,GENJUSHIJIWENTISUOXU,YOUXUDUOJINGDIANWANGLUOJIAGOUKEGONGXUANZE,RUDeepLabXILIE、Faster R-CNN、YOLOXILIEDENG。CIWAI,SUIZHEAIJISHUDEFAZHAN,ZIDONGZUIYOUHUADESHEJIWANGLUOJIAGOUZAIWEILAIYEJIANGCHENGWEIKENENG。DANGRAN,AISUOYINFADELUNLIDAODEFALVWENTIBURONGHUSHI,LIYONGYAOGANYINGXIANGJIEHEAIQINFANYINSI、LIYONGAIJISHUSHENGCHENGXUJIADEYAOGANYINGXIANGSHIXIANBUFAMUDE,ZHEIXIEDOUYINQIRENMENDEDANYOU,XUYAOXUEJIEDUICIJINXINGSIKAOHEYANJIU、DUIAIJINXINGYINDAOHEYUESHU。

  LUNWENXINXI:

棋牌游戏  DeepLearning-Based Information Mining From Ocean Remote Sensing Imagery. http://doi.org/10.1093/nsr/nwaa047


FUJIANXIAZAI: