产品意向车| 企业邮箱| 会员中心| 联系我们| 【English】

首页 > 关于我们 > 行业资讯 >

洛克希德·马丁公司的深度学习模型在卫星图像分析中的应用

发布日期:2019-06-24 10:32:07 阅读数量:

 洛克希德·马丁公司(Lockheed Martin)的工程师设计了一个卫星图像识别系统,利用开源的深度学习库,可以迅速对全世界大范围内的物体或目标进行识别与分类。该公司官员表示,该系统工具可让分析人员在图像中对项目进行分类和标注,从而节省很多时间。

该模型称作“全球自动目标识别系统”(Global Automated Target Recognition, GATR),在云端运行,使用MAXR公司的地理空间大数据平台(GBDX)访问该公司的100 PB卫星图像库和数以百万计的分类数据标签,从而加快了深度学习算法的训练速度。高性能的GPU使该系统能够极其迅速地扫描大面积区域,而深度学习方法使对象识别自动化,减少了大量的算法训练需求。



GATR可自己学会识别目标区域或目标的特性,例如学习如何区分货机和军用运输机。并且,该系统可快速扩展以扫描大面积区域,例如整个国家或地区。该工具使用商业领域常见的深度学习技术,可以识别飞机、船舶、建筑物、海港等。



洛克希德·马丁公司副总裁兼总经理Maria Demaree说:“目前商用卫星数据比以往任何时候都要多,而且到目前为止,识别物体基本上还是一个手工过程。像GATR这样的人工智能模型,能让分析师掌控局势,同时让他们专注于更高级别的任务。GATR具有很高的准确率,远远超过我们迄今为止测试过的模型的90%。仅仅用了两个小时,就完成了整个宾夕法尼亚州12万平方公里的液压天然气站点的搜索工作。”



洛克希德·马丁公司高级研究员、GATR首席研究员Mark Pritt表示:“我不是、也不需要是石油生产基地的专家。”“这个系统可以教会自己定义对象的特征,节省了宝贵的算法训练的时间,最终让图像分析人员更专注于他们的任务。”



GATR是在Pritt的研究团队的基础上建立的,在智能高级研究项目活动(IARPA)中逐渐发展起来,被称为“世界功能地图”(Functional Map of the World)。

 

上一页:美众议院要求NASA提供建立太空资源研究所的报告 返回列表 下一页:最后一页