天翼云賦能北航團隊獲AI創(chuàng)新大賽一等獎

遙感技術(shù)宛如連接蒼穹與大地的“千里眼”，從其捕捉的圖像與數(shù)據(jù)，可以“提取”出大量有用的信息。而人工智能技術(shù)的深度賦能，正推動遙感技術(shù)發(fā)展，使圖像識別能力邁上新臺階。

近日，首屆北京市大學生“人工智能+”創(chuàng)新大賽圓滿落幕。本次大賽共吸引了全市1.1萬名大學生報名，覆蓋全部在京985高校。經(jīng)過校市兩級層層選拔，來自55所高校的222支精英隊伍、921名選手挺進決賽。北京航空航天大學參賽團隊憑借出色表現(xiàn)，在“遙觀萬象 遙感圖像智能分類”賽道中榮獲一等獎。

遙感影像在環(huán)境監(jiān)測、資源管理、城市規(guī)劃等多個領(lǐng)域發(fā)揮著重要作用，但其數(shù)據(jù)處理與分析工作難度較大。北航團隊參賽的初衷，正是希望運用所學知識與AI技術(shù)，解決受限資源和復雜成像環(huán)境下的遙感圖像分類問題。為此，團隊設(shè)計了名為Titan-ConvNeXt的深度學習系統(tǒng)，采用“強增強+現(xiàn)代架構(gòu)+多尺度推理”策略，推動遙感數(shù)據(jù)處理向自動化、智能化分析模式變革。

大賽中，北航團隊計劃構(gòu)建一個多分類的神經(jīng)網(wǎng)絡(luò)，以機器學習方法對遙感圖像進行分類，需將學校、住宅、公園、森林、沙漠等30類場景全部區(qū)分識別，這對模型的分類精度與泛化能力提出了極高要求。更具挑戰(zhàn)的是，傳統(tǒng)DDPM(Denoising Diffusion ProbabilisticModels，去噪擴散概率模型)存在局限，無法根據(jù)標簽生成圖片，如果訓練過程中樣本數(shù)量不足，會直接制約訓練效果，這進一步增加了任務難度。

經(jīng)過深入研究，團隊嘗試“以噪制噪”的方法，在訓練數(shù)據(jù)中針對性加入高斯噪聲、椒鹽噪聲等強化干擾，并將標簽信息融入圖片輸入，用Attention機制加以約束，同時使用傳統(tǒng)數(shù)據(jù)增強方法增加樣本數(shù)量，有效提升了模型的抗干擾能力與穩(wěn)定性，成功破解技術(shù)瓶頸。

大賽期間，天翼云息壤科研助手作為技術(shù)支撐方，為參賽隊伍提供了所需的硬件資源、環(huán)境配置、數(shù)據(jù)管理與安全保障，并為“遙觀萬象 遙感圖像智能分類”等三個以AI算法解決實際應用問題的賽道提供平臺支持。通過專屬訪問鏈接，選手無需自行購置硬件或搭建基礎(chǔ)環(huán)境，登錄即可直接開展代碼編寫、模型訓練等相關(guān)操作。團隊表示，在方案優(yōu)化階段，天翼云提供的兩張AI訓練顯卡發(fā)揮了重要作用，利用雙卡并行訓練優(yōu)勢，團隊在比賽最后一晚同時驗證兩種技術(shù)方案，高效完成了模型迭代優(yōu)化和測試，為最終奪冠奠定了基礎(chǔ)。

團隊成員也高度肯定了天翼云息壤科研助手帶來的便利。云端開發(fā)環(huán)境實現(xiàn)了項目進度的實時同步與透明化管理，提升了團隊協(xié)作效率；平臺嚴格的數(shù)據(jù)權(quán)限控制與訪問日志功能，保障了賽事的公平性與數(shù)據(jù)安全性。

目前，北航團隊研發(fā)的系統(tǒng)已具備基本的圖片生成與標簽分類能力，增加樣本數(shù)量可進一步提高模型圖像生成的質(zhì)量。獲獎后，成員們表示既驚喜又激動。從方案設(shè)計、技術(shù)攻堅到落地驗證，每一個環(huán)節(jié)都加深了他們對理論知識實際應用的理解，也錘煉了團隊協(xié)作與問題解決能力。

首屆北京市大學生“人工智能+”創(chuàng)新大賽，為高校學生搭建了理論與實踐深度融合的平臺。天翼云通過支撐本次大賽，展現(xiàn)了國家云平臺在賦能教育科研、助力人才成長方面的價值。未來，天翼云將持續(xù)發(fā)揮資源與生態(tài)優(yōu)勢，深化與高校的產(chǎn)學研協(xié)同，為人才培養(yǎng)與技術(shù)創(chuàng)新提供支持，推動AI技術(shù)與實體經(jīng)濟深度融合，為各行各業(yè)數(shù)字化轉(zhuǎn)型注入新動能。