重磅！LuoJiaNET发布三大新特性（文末有彩蛋！）

人工智能与遥感技术的结合，已经成为打开遥感应用大门的金钥匙。

2022年5月，武汉大学与昇腾AI联合打造的全球首个遥感影像智能解译专用框架“LuoJiaNET”上线昇腾社区以及昇思MindSpore开源社区，LuoJiaNET具备**“大幅面、多种类型、尺度变化大、通道多样”**的特点，受到了众多遥感领域研究者的广泛关注。

昇腾社区：

https://www.hiascend.com/software/modelzoo/models/detail/L/519276e10bd211eca5a90242ac110002/1

昇思MindSpore开源社区：

https://www.mindspore.cn/largeModel/luojia

https://xihe.mindspore.cn/modelzoo/luojia

2023，新春伊始，LuoJiaNET发布三大新特性，进一步提升遥感应用开发性能和体验。

1 支持原生态Windows操作系统和安卓版移动端程序

新版本LuoJiaNET解决了旧版本调用算力资源必须使用Linux操作系统的局限性，支持原生态Windows 操作系统下的算力资源调用，同时还为开发者提供移动端程序，支持目标识别等功能。

2

提供五大类基础遥感任务模型库

依托武汉昇腾人工智能计算中心的昇腾AI算力支持，打造了嵌入昇思MindSpore技术特性的新版本LuoJiaNET针对遥感应用典型场景（场景检索、目标识别、地物分类、变化检测、多视三维），为用户提供五大类基础遥感任务模型库，用户可根据需求直接进行调用。

场景检索：

指使用计算机视觉和机器学习算法从图像中抽取意义的任务。场景检索既可以简单地为一张图像分配一个标签，也可以智能地解释图像内容并返回一个可被人类理解的句子。LuoJiaNET基础模型库中包含该任务类型的基础模型有VGG、ResNet、SENet等。

目标识别：

指一个特殊目标（或一种类型的目标）从其它目标（或其它类型的目标）中被区分出来的过程。LuoJiaNET基础模型库中包含该任务类型的基础模型有YOLOv3/YOLO-v5、SSD、FasterRCNN等。

地物分类：

指利用地物的光谱能量特征差异性和结构特征差异性来识别地物信息。LuoJiaNET基础模型库中包含该任务类型的基础模型有DeepLabV3、FReeNet、DCM等。

变化检测：

指从不同时期的遥感数据中定量分析和确定地表变化的特征与过程。遥感变化检测是一个确定和评价各种地表现象随时间发生变化的过程。LuoJiaNET基础模型库中包含该任务类型的基础模型有DTCDSCN、DSIFN、CDNet。

多视三维：

利用多张同场景不同视角下拍摄的、并具有一定重叠度的图像，恢复场景或物体的三维模型技术。LuoJiaNET基础模型库中包含该任务类型的基础模型有GCNet、MVSNet等。

扫码访问

LuoJiaNET基础遥感任务模型库

3

3. 提供遥感语义分割大模型

基于视觉Transformer (Vision Transformer, ViT) 的大规模视觉模型具有良好的可扩展性和表征能力，在多种视觉感知任务中广泛应用。然而，在遥感图像感知领域，大规模视觉模型的潜力尚未得到充分探索。

新版本LuoJiaNET融入了与武汉大学计算机学院院长杜博团队合作开发的“遥感语义分割大模型”，它是首个面向遥感任务设计的大规模视觉基础模型，具有1亿参数规模，设计上符合遥感图像特点的新型注意力机制，对提升遥感图像理解等任务的性能有较大帮助。

遥感语义分割大模型率先提出RS任务定制框架，以新旋转的不同大小的窗口注意（RVSA）替代完全注意，处理RS图像中的大图像尺寸和不同方向的物体。RVSA可以显著降低计算成本和内存占用，同时通过从窗口中提取丰富的上下文来学习更好的物体表示。

扫码访问

LuoJiaNET遥感语义分割大模型

遥感是与人工智能紧密关联的领域，应用人工智能技术实现遥感影像的自动解译意义重大。昇腾AI将努力做好基础软硬件平台，继续发挥昇思MindSpore在人工智能领域积累的技术优势，携手武汉大学等伙伴持续打造LuoJiaNET，为自然资源监测、社会经济发展评估、灾害应急等重大科研任务提供技术、平台及应用支撑，助力建设中国遥感科研生态圈，推进中国遥感产业化应用。

一个很有“AI”的彩蛋：

AI、遥感这些看起来很“高冷”的技术，其实也可以很“好玩”。

扫描二维码体验LuoJiaNET移动端程序，试试用“AI”识别身边物品。