通用(yòng)的占位符縮略圖

公(gōng)司新(xīn)聞 /

半自動輔助标注大賞:高效精(jīng)準的奧秘全知曉

日期:2024-12-13 17:41:07

遙感解譯作(zuò)為(wèi)地理(lǐ)信息領域的重要組成部分(fēn),在環境監測、土地利用(yòng)、災害評估等方面具(jù)有(yǒu)廣泛應用(yòng)。然而,遙感影像因分(fēn)辨率高、場景複雜而對數據标注提出了極高的要求。傳統标注方法不僅耗時耗力,還存在精(jīng)度不穩定的問題。此次發布的智能(néng)标注模型,通過SAM的深度優化與遙感場景的定制開發,為(wèi)行業用(yòng)戶提供了一種高效、可(kě)靠的解決方案。

技(jì )術突破:為(wèi)複雜遙感場景量身打造

  1. 多(duō)尺度分(fēn)割支持:模型可(kě)适應高分(fēn)辨率影像,精(jīng)準分(fēn)割大場景中(zhōng)的細小(xiǎo)目标,如建築物(wù)、道路、植被和水體(tǐ)。
  2. 自動化目标檢測與分(fēn)割:通過少量交互提示即可(kě)快速識别影像中(zhōng)的感興趣區(qū)域,大幅降低人工(gōng)幹預的需求。
  3. 快速标注:為(wèi)變化檢測、語義分(fēn)割實現快速标注,減少人工(gōng)成本。

遙感解譯中(zhōng)的創新(xīn)應用(yòng)

通過點、框分(fēn)隔水域:

根據标注内容可(kě)以選擇不同的标注方式:

更可(kě)以根據框和點配合使用(yòng):

最後我們也增加了繪制直線(xiàn)的功能(néng):

增加了對HQ-SAM模型的支持實現更高精(jīng)度的分(fēn)割:

HQ-SAM 盡可(kě)能(néng)地重複使用(yòng)了 SAM 的預訓練模型權重,隻新(xīn)增了兩個關鍵組件,即高質(zhì)量輸出令牌和全局-局部特征融合

SAM變體(tǐ)的全面性能(néng)、模型大小(xiǎo)和速度比較:

SAM:

QH-SAM:

基于SAM模型的未來展望

在科(kē)技(jì )飛速發展的時代,基于SAM的智能(néng)标注模型将助力科(kē)研、企業和社會在更廣闊的領域創造價值,為(wèi)解決全球環境、資源與發展問題提供新(xīn)的技(jì )術支撐。我們期待這項技(jì )術在實際應用(yòng)中(zhōng)的持續優化,為(wèi)未來智慧化數據解譯注入源源不斷的動力。