近年来，随着遥感技术与人工智能技术的深度融合，多源卫星影像的智能分析已经成为国土空间治理、灾害应急响应、生态环境监测、农业估产等多个领域的核心数字化支撑手段。但在实际应用中，不同卫星传感器、不同拍摄视角获取的同一区域影像往往存在显著的尺度差异，极端情况下差异可达8倍，这一痛点长期制约着卫星图像配准、单应性估计等核心算法的性能，相关领域也长期缺失专门针对大尺度差场景构建的标准化多模态训练数据集。
近日，电子科技大学正式发布高分辨率多模态卫星图像基准数据集HMSA，该数据集专门为解决尺度变化场景下的遥感视觉算法研发需求构建。据公开信息显示，HMSA数据集全部数据来源于公开的Landsat8卫星影像，共包含11837对已完成精准配准的可见光-红外卫星图像对，单张图像分辨率均达到1152×1152像素，研发团队在数据集构建过程中专门模拟了现实场景中因视角、传感器参数差异导致的显著尺度差异场景，能够为相关算法训练提供贴近真实应用环境的训练、测试基准。
此前在尺度变化显著的场景下，现有深度学习模型往往因特征不一致、大位移假设失效出现性能大幅下降的问题，HMSA数据集的推出正是瞄准这一行业痛点，将重点支撑计算机视觉领域的单应性估计研究，推动鲁棒性更强的多源影像对齐算法迭代。
从应用价值来看，基于HMSA数据集训练的优化算法，未来可广泛应用于多个民用场景：在自然灾害应急响应中，可快速对齐不同卫星拍摄的同一灾区多尺度影像，为灾情研判、救援调度提供完整的时空底图；在国土空间治理中，可实现跨时段、跨传感器的土地利用影像自动配准，为违法用地排查、城市扩张监测提供技术支撑；在生态环境保护领域，可支撑大范围林草、湿地资源的跨季度、跨年度动态监测，大幅降低人工对齐影像的工作量。
作为垂直领域的高质量标注数据集，HMSA的发布也为我国遥感AI领域的技术创新提供了重要的基础数据支撑。当前高质量训练数据已经成为AI产业发展的核心数据要素，面向细分场景的标准化基准数据集，能够大幅降低相关技术的研发门槛，加快算法从实验室到产业落地的迭代速度，进一步释放卫星遥感数据的产业价值。
详情页内容：
_1769672084863.jpg)