DAMOアカデミー、地球科学研究の効率化を支援するAIリモートセンシング分析クラウドプラットフォームをリリース

DAMO Academyは3月3日、PBレベルのオープンソース衛星リモートセンシングデータ、10以上のリモートセンシングAIアルゴリズム、クラウドベースの高性能コンピューティングおよびストレージリソースを統合したAI Earth地球科学クラウドプラットフォームをリリースし、研究者が農業災害分析、気候変動分析、水質分析などの科学研究を行うのを支援します。

衛星リモートセンシング画像は人間による地球観測にとって重要な情報源ですが、衛星リモートセンシングデータの取得、処理、分析、適用までのリンクは長く、コストもかかります。研究者は、データへのアクセスを衛星データオペレータに申請するか、業界の公開データをダウンロードする必要があり、ローカルコンピュータでデータストレージを構成した後でのみ、データ分析を実行できます。分析フェーズでは、マシンの高度なコンピューティングおよびストレージ リソースが必要となり、通常のコンピューターでは大規模な画像データ分析のニーズを満たすことができません。さらに、既存の分析方法の自動化の低さ、高コスト、解釈効率の低さといった問題も解決されていません。

図1: DAMOアカデミーAI Earth地球科学クラウドプラットフォームリモートセンシング画像データ取得ページ

DAMO Academy の AI Earth Earth Science Cloud Platform は Alibaba Cloud 上に構築されており、高性能なコンピューティング機能とストレージ機能を備えています。前処理済みの PB レベルのオープンソース衛星リモートセンシングデータ (業界で最も主流の Landsat 8、Landsat 9、Sentinel-1、Sentinel-2 をカバー) と、土地特徴分類、変化検出、SAR 水域抽出などの 10 を超える AI アルゴリズムを統合しています。このプラットフォームは、これらすべてのアルゴリズムを定量的に無料でユーザーに公開し、すぐに使用できるエクスペリエンスを提供するとともに、衛星リモートセンシングデータ処理の効率向上に貢献します。

図2: DAMO Academy AI Earth 地球科学クラウドプラットフォームの地上物体分類結果

プラットフォームの AI アルゴリズムは、NAS ネットワーク構造検索技術に基づいて、効率的な分類ネットワーク構造 MuffNet など、リモートセンシング データ専用の効率的な特徴抽出ネットワーク構造を多数採用しています。ターゲット検出に関しては、DOTA などのリモートセンシング検出データセットで最良の結果を達成する、Transformer ベースの回転ターゲット検出フレームワークが提案されています。

応急管理部傘下の国家自然災害予防・制御研究院の研究員である張静発氏は、「地球観測研究は新たな技術変化の幕開けを告げている。クラウドコンピューティング、AI技術、リモートセンシングのインテリジェントな統合は、自然災害の予防・制御などの科学分野の発展を促進するだろう」と語った。

DAMOアカデミーのAI地球チーム責任者であるLi Hao氏は、「リモートセンシング画像分析タスクには、強力なコンピューティングパワーと革新的なアルゴリズムが必要です。私たちのオープンプラットフォームは、クラウドコンピューティングとAIアルゴリズムの利点を組み合わせて、ユーザーに優れたオンライン研究環境を提供し、クラウドAIを使用して科学研究を支援します（AI for Science）」と述べています。

DAMOアカデミーは2020年9月に、衛星画像、ドローン画像、リアルタイムビデオストリーム、気象データ、IoTデータなどのマルチソースデータの統合分析を実行できるAI Earthプラットフォームをリリースしました。現在、AI Earth関連技術は水資源部、国立気象センター、生態環境部などの機関に適用されています。