首页 / 人工智能 / 深度学习模型可加速并自动化卫星图像分析

深度学习模型可加速并自动化卫星图像分析

洛克希德·马丁's 贸易总协定
洛克希德·马丁’s 贸易总协定

洛克希德·马丁公司使用开源深度学习库开发了卫星图像识别系统,可以快速识别和分类世界上大部分地区的物体或目标,从而可以为图像分析师节省大量时间,以人工对图像中的项目进行分类和标记。全局自动目标识别在云中运行。快速的GPU使GATR可以非常快速地扫描大面积,而深度学习方法可自动识别对象并减少对大量算法训练的需要。

贸易总协定会自学对象区域或目标的识别特征,例如,学习如何区分货机和军用运输机。该系统可快速扩展以扫描包括整个国家在内的大片区域。 贸易总协定使用商业领域中常见的深度学习技术,可以识别船舶,飞机,建筑物,海港和许多其他类别。

洛克希德·马丁公司太空任务解决方案副总裁兼总经理玛丽亚·德马里说:“如今,商业卫星数据比现在要多得多,直到现在,识别物体基本上都是人工过程。” “像GATR这样的人工智能模型使分析师可以控制,同时让他们专注于更高级别的任务。”

贸易总协定的准确率很高,到目前为止,我们测试过的模型的准确率都超过90%。仅用了两个小时,就在宾夕法尼亚州的整个州搜索了120,000平方公里的压裂点。

洛克希德·马丁公司高级研究员兼GATR首席研究员马克·普里特(Mark Pritt)说:“我不是石油生产基地的专家,我也不必如此。 “该系统可以自学对象的定义特征,节省了宝贵的时间来训练算法,并最终使图像分析人员将更多精力放在其任务上。”

贸易总协定建立在普里特研究小组在“智能高级研究项目活动”(IARPA)挑战期间所创立的团队的基础上,该挑战被称为“世界功能地图”。洛克希德·马丁团队是公司中唯一进入前五名的团队。

同时检查

#SpaceWatchGL访谈:Thuraya的Ali Al Hashemi– “Laser-focused”

阿联酋移动卫星服务领导者Thur​​aya几周前宣布…