根據客戶需求，采用機器學習、深度學習等人工(gōng)智能算法，結合人工(gōng)輔助解譯，對衛星影像進行地物(wù)判别、自動分(fēn)類、信息提取與時空分(fēn)析，主要包括樣本标記、目标識别、動态監測及遙感解譯等服務。

（1）樣本标記

（2）目标識别

（3）動态監測

（4）遙感解譯

典型示例

基于DeepLabv3+的草地智能提取

基于深度學習的語義分(fēn)割方法，引入DeepLabv3+卷積網絡模型，通過樣本學習訓練，創建草地提取智能模型。該方法有效的解決了傳統草地分(fēn)類方法耗時耗力、誤差大(dà)、精度低的問題。

DeepLab模型

DeepLab模型的基礎網絡:卷積層、池化層、激活函數、反卷積層。

DeepLabv3+模型的訓練樣本由圖像數據和标簽數據兩部分(fēn)組成。通過深度學習對樣本數據不斷叠代訓練、學習草地特征。該方法解決了基礎網絡模型的缺少與對象邊界相關信息的問題，并顯著提高了運行性能和識别精度。

不同方法草地提取整體(tǐ)精度對比:

局部精度評價:

衛星影像解譯成果示例: