《面向多源遙感圖像的深度學習技術與系統研究》是依託中國人民解放軍國防科技大學，由竇勇擔任項目負責人的聯合基金項目。
基本介紹
- 中文名：面向多源遙感圖像的深度學習技術與系統研究
- 項目類別：聯合基金項目
- 項目負責人：竇勇
- 依託單位：中國人民解放軍國防科技大學
中文摘要,結題摘要,
中文摘要
採用機器學習方法對多源遙感大數據進行無監督目標特徵自動處理是遙感套用中的挑戰性問題。深度學習方法是當前機器學習中的前沿研究領域，現有深度學習方法具有固有串列性，並行難度大。同時，多源遙感圖像數據量大、數據質量不均衡，運用深度學習方法對目標進行自動特徵提取與識別存在處理速度慢的問題。本項目研究快速的多源遙感圖像自動目標特徵學習，為大數據圖像基於機器學習的高效自動化處理奠定基礎；研究高效深度學習數據預處理算法、並行學習算法理論，建立大規模深度學習的高效並行實現與最佳化機制。學習效率與計算的複雜性是制約深度學習套用的關鍵問題。為此，從學習理論、體系結構設計與最佳化等角度系統地探索高效的深度學習技術。深度學習及其並行實現與最佳化技術，提高大數據條件下機器學習技術的特徵提取與目標識別能力。研究成果可廣泛用於軍事偵察、地理信息系統、資源調查與環境監測等，具有很好的理論與實用價值。
結題摘要
面向多源遙感圖像的深度學習及其最佳化是典型的大數據挑戰問題。遙感圖像特有的數據特性以及有標籤樣本相對稀缺等問題，使其分析更具挑戰性。本項目針對多源遙感典型套用，提出多種深度學習分析方法，並對典型深度網路在異構系統結構上進行並行最佳化。在算法層面，提出高效的多源遙感圖像深度學習算法，實現高精度目標檢測識別，圖像分類的同時，加快處理速度；在計算層面，提出一套多層次的並行深度學習方法，同時提出深度學習的細粒度並行方法和高吞吐率粗粒度並行方法，提高深度學習方法的計算效率；在用戶層面，提出一套深度網路定製加速器，方便用戶使用，提高深度學習套用開發速度。結合典型多源遙感圖像套用需求，構建原型系統和實驗驗證環境，為多源遙感圖像自動特徵提取、自動目標識別奠定技術基礎。本項目實現面向典型多源偵察圖像的分布並行深度學習原型系統，包括多種面向多源遙感圖像的深度學習算法，CPU/GPU異構體系結構深度網路並行方法，以及典型卷積神經網路定製加速器。共錄用與發表高水平學術論文51篇，包括SCI論文25篇，EI論文22篇，CCF A類人工智慧頂級會議7篇，Transactions 1篇 。獲得相關專利2項。
