数据标注优秀案例集之二十九 | 点-线-面多粒度遥感大规模基准数据集标注

　　申报单位：武汉大学
　　推荐单位：湖北省数据局
　　一、案例简介
　　针对遥感图像标注困难、门槛高，带标签数据少，导致人工智能方法应用受限的问题，案例提出了点-线-面多粒度大规模遥感基准数据构建范式，自主开发基于主动学习框架的遥感图像高效标注平台，构建大规模多任务遥感图像智能解译基础数据集，在此基础上研制的系列算法和模型被多个国产主流AI框架集成，应用于国土资源监测等重大工程。

　　二、举措与成效
　　一是针对遥感成像光谱维度高、标注精度严重依赖专家经验的难题，开发基于主动学习框架的遥感图像高效标注平台，用成对判断标注辅助专家经验标注，将标注精度从70%提升为98%，标注单张图像的时间<2小时（原来>24小时）。
　　二是针对大规模遥感图像数据集构建效率低、缺乏系统技术支撑的问题，从数据集属性需求、图像采集、语义标注和质量控制等方面出发，构建基于地理信息集成的大规模遥感图像数据集半自动化标注工具，研制系列大规模多任务遥感图像智能解译基础数据集。
　　三是针对不同粒度遥感图像多层级地表信息引发的语义模糊问题，构建层次化类别组织网络，为图像赋予不同粒度的语义类别标签，避免对额外类别提纯的需求，同时确保类别的独立性和语义的完整性，能够灵活适应各种不同粒度和场景的需求。
　　三、特色亮点
　　一是构建了人工解译与智能解译交互关联的遥感图像标注基准平台，解决遥感图像标注专业性强、耗时费力的难题，研制了目标检测（DOTA，180万目标实例）、场景识别（Million AID，100万幅场景）、地物分类（GID，逐像素标注覆盖567万平方公里）系列数据集，支撑了国家自然科学基金委重大研究计划主办的系列遥感图像智能解译大赛。
　　二是提出了融合众源地理信息的遥感图像高效交互解译方法，突破传统标注过程中对专家依赖度高、标注主观性强的瓶颈，在此基础上研制的遥感图像智能解译模块和系统有力支撑了国产卫星对飞机、舰船等典型目标的智能检测与识别，以及智慧水利设施的精细化动态监测等任务。
　　三是构建了遥感场景多层级语义标注体系，解决不同粒度遥感图像多层级地表信息引发的语义模糊问题，应用于国土资源调查和监测等重大工程，生产了“一带一路”中亚1：50000比例尺地表覆盖分类图等产品。