面向人工智能解译的规格化多模态样本数据集组织及其应用

随着深度学习和机器学习等人工智能技术的迅猛发展,为了满足多样化的遥感任务需求,遥感领域生成了大量数据集,然而这些数据集在种类、尺寸、空间和时间分辨率上存在显著差异。为了解决这一问题,文章提出了一种面向人工智能解译的规格化多模态样本数据集组织方式,通过建立样本与影像数据的有效关联,形成基于地理空间位置的时序样本数据集,以满足智能解译对大数据-多模态-样本可扩展的数据立方的需求,实现海量遥感样本数据的有序管理,同时支持样本的持续扩展和再利用。基于多模态样本数据集组织方法从数据集和系统化管理两方面开展应用,为各种遥感任务中的人工智能解译提供了有效的数据与技术支持。