倪海波

把照相機放在航空器或航天平臺上，對地球表面拍攝成像，就形成了遙感數據。這些遙感數據很好地刻畫了地球表面的信息和人類活動，是大范圍、長周期的數據集，有效加以利用將為國民經濟發(fā)展及生態(tài)環(huán)境保護提供重要支撐。但目前面臨的狀況是，遙感數據的處理難度較高，大量數據堆積卻應用不足。如何快速、精準提取數據中的目標信息就成為一個亟待突破的關鍵問題。

武漢大學遙感信息工程學院副教授、博士生導師李彥勝多年來堅持立足國家重大戰(zhàn)略需求和國計民生問題，深耕于人工智能驅動的遙感大數據處理與知識挖掘領域，致力于遙感影像解譯、機器學習、計算機視覺、知識工程、自然語言處理等多領域的深度交叉融合，在高分辨率遙感影像場景理解、大規(guī)模遙感影像多模檢索、大范圍遙感土地覆蓋分類與變化監(jiān)測、多源遙感影像目標檢測與識別等方面取得了一系列創(chuàng)新性研究成果。

數學為基，入軌遙感

“遙感是一個典型的交叉學科，它的核心工作就是數據處理，而數據處理又涉及大量人工智能算法的介入，也和數學有著千絲萬縷的聯系?！辈稍L中，李彥勝如是介紹他所從事的研究領域。

與遙感大數據研究結緣，李彥勝坦承源于高考那一次陰差陽錯的選擇——打小，李彥勝的夢想是學習計算機，高考那一年他卻被數學專業(yè)錄取。當時，李彥勝覺得自己遇到了挫折，“沒有進入理想的專業(yè)”。但是，他選擇在學習過程中不斷修正自己，在發(fā)展中尋找機會。除了數學專業(yè)課程外，他還通過自學和旁聽的方式補充了大量計算機專業(yè)知識。通過4年孜孜以求的學習，李彥勝成功考取華中科技大學人工智能與自動化學院模式識別與智能系統(tǒng)專業(yè)研究生，師從田金文教授和譚毅華教授，開啟了人工智能方向的研究，并獲得博士學位。讓李彥勝喜出望外的是，后來的實踐證明，“數學專業(yè)的學習為后續(xù)的科研工作打下了堅實的基礎”。數學，成為李彥勝通往學術殿堂的基石。至今，李彥勝感謝這次漫長的修正過程，就像衛(wèi)星從地球進入宇宙空間后的逐漸修正、調整、最終入軌，“這是成長的必經之路”。

2015年，李彥勝進入武漢大學遙感信息工程學院從事博士后研究工作，加入攝影測量與遙感領域著名學者張永軍教授團隊。自此，李彥勝選擇智能遙感交叉學科方向進行研究。他堅持大處著眼，小處著手，從一個比較小的點切入，然后圍繞這個點不斷地深入擴展，以此積累成長。一開始，李彥勝也遭遇過失敗。他在首次申請中國博士后基金項目的時候，“把這個事情想簡單了，只是講了一個很成熟的問題”。李彥勝回憶，“正是這一次失敗，使我有了從一個小處著手，向更本質、更重要問題深入擴展探索的想法。于是，遙感大數據進入我的研究視野，就這樣一直做到了現在”。在后續(xù)的博士后研究階段，他先后成功申請中國博士后面上項目一等資助、中國博士后科學基金特別資助項目和國家自然科學基金項目。

為了更好地跟蹤國際前沿人工智能技術，在國家留學基金委全額資助下，他追隨美國霍普金斯大學人工智能領域權威專家Alan Yuille教授，開展了為期一年的合作研究。Alan Yuille教授早年曾在英國劍橋大學跟隨斯蒂芬·霍金教授研究理論物理，之后轉而開拓計算機視覺領域，曾獲計算機視覺論文最高獎馬爾獎，并曾擔任IEEE國際計算機視覺與模式識別會議主席?！癥uille教授是一個非?？删础⒖捎H的人，在研究上他給了我很大的空間，讓我堅持做自己的事。在我彷徨的時候，Yuille教授總是第一時間給我支持、肯定。”李彥勝如是說。在這一年時間里，李彥勝與Yuille教授聯合發(fā)表了中國科學院一區(qū)TOP期刊論文。針對當今目標檢測深度模型都對目標級標記十分依賴的問題，李彥勝和Yuille教授聯合提出了基于場景級約束深度網絡的目標檢測與識別方法，該技術揭示了弱標記信息用于訓練深度網絡，且用于信息深度挖掘的可行性，對解釋深度網絡的工作原理與拓寬深度網絡的應用范圍具有重要意義。“文章在形成的過程中，教授給予了很大的支持，他對待學術研究的認真和細致，給了我很多觸動，而這篇文章也為我后續(xù)的人工智能與遙感大數據挖掘的跨學科交叉研究奠定了堅實的理論基礎。”與Yuille教授的合作，讓李彥勝積累了終身受益的品質。

在遙感智能數據處理這條路上，李彥勝找到了目標，也找到了自己。在課題申請和研究的過程中，他謹記博士后導師張永軍教授教誨，“不要僅僅停留在申請課題上，要沉下心來把申請到的課題做好。把課題做好了，后面就會越來越順”。俯首耕耘，果然換來碩果累累。他和團隊發(fā)表的多篇論文成為ESI高被引論文。至此，李彥勝覺得自己真正走進了遙感科研領域。

手握利劍，助力創(chuàng)新

“隨著遙感觀測平臺的爆發(fā)性增長，遙感影像的來源越來越豐富，時效性越來越強，同時數據量也呈現指數級增長。但是，相對于強大的遙感數據獲取能力，遙感影像的快速智能處理和服務能力嚴重滯后，海量數據堆積與有限信息孤島并存的矛盾仍然十分突出”，李彥勝的思考始于此。所以，圍繞遙感大數據高效檢索、信息提取、知識挖掘、深度共享等任務存在的一系列挑戰(zhàn)，結合人工智能等領域的新進展，開展遙感大數據挖掘理論、方法及應用技術研究，提高遙感大數據的應用水平與服務能力，成為李彥勝長期堅守的學術目標。

近幾年，手握現代科學這把利劍，運用人工智能、深度學習、計算機視覺、自然語言處理、知識工程等理論，李彥勝及其團隊結合遙感大數據特性，開展了大量理論和方法研究，在大規(guī)模遙感影像檢索、高可靠性目標提取、遙感領域知識服務等方面，取得了比較系統(tǒng)的創(chuàng)新成果。與此同時，這些創(chuàng)新成果逐漸在應用中展露風采，獲得了同行及用戶的好評。

“將科學研究與國家、民族亟須解決的問題聯系在一起，把論文寫在祖國大地上”，李彥勝是這么想的，也是這么做的。針對農戶資產評估難、貸款速度慢等難題，李彥勝團隊與螞蟻集團合作，開展遙感知識圖譜驅動的遙感影像處理技術研究，旨在為農戶資產狀況評估保駕護航。此外，李彥勝團隊研發(fā)的無監(jiān)督-半監(jiān)督約束深度語義分割網絡的跨域衛(wèi)星遙感影像建筑物檢測軟件，使得普適條件下建筑物的檢測性能提升了5%～10%，在阿里達摩院“天巡”業(yè)務場景得到成功應用，有效提高了衛(wèi)星影像建筑物檢測方法的普適性。

IEEE Fellow遙感領域頂級期刊IEEE TGRS前主編——西班牙埃斯特雷馬杜拉大學Antonio Plaza教授在其論文中指出，李彥勝發(fā)表的研究論文充分考慮了遙感影像的數據特性，將深度哈希神經網絡引入大規(guī)模遙感影像檢索領域，提出的深度哈希學習技術顯著提升了基于內容的大規(guī)模遙感影像檢索準確率。德國柏林工業(yè)大學Demir教授（領導了歐盟支持Big Earth計劃）公開發(fā)表的論文用大篇幅分析了李彥勝團隊的方法和技術特點，并基于他們的方法提出了改進方案。同時，李彥勝所提出的海量遙感影像檢索技術受到國際權威雜志Information Fusion的主編Francisco Francisco Herrera教授的關注，特別邀請他撰寫遙感大數據影像檢索綜述論文，闡明遙感大數據影像檢索的機遇與挑戰(zhàn)。李彥勝非常重視這項工作，歷時一年，查閱了300余篇文獻，系統(tǒng)地分析這個領域的發(fā)展，指明了潛在研究課題與未來發(fā)展方向。

“遙感大數據的數據很多，但是它的信息提取、知識建模以及服務能力比較差。這就導致雖然有數據，但是很難去發(fā)現和獲取真正有用的數據。由于數據太大，這個領域的模型也沒辦法直接獲取。能不能智能地去給用戶推送他所需要的數據和模型，這是非常重要的問題?！崩顝﹦偌捌溲芯繄F隊耦合了深度學習與知識圖譜推理，提高了深度神經網絡從數據中自主學習中低層次的判別能力，將知識圖譜語義推理運用高層次的專家語義知識引導解譯糾錯與推理。同時，將深度數據學習與知識推理有機耦合在一個閉環(huán)的回路中，使得彼此迭代增強，有助于提高遙感解譯結果的精度以及可解釋性。

“從通用領域知識圖譜，走向遙感領域知識圖譜的過程，就是借用通用知識圖譜創(chuàng)建技術，結合領域特性及任務需求創(chuàng)建遙感領域的知識圖譜，最終為環(huán)境、海洋、氣象等領域提供技術支撐?！崩顝﹦龠@樣解釋他們的研究。雖然還有很多難關需要攻克，但因為有了現代科學利器的加持，他們堅信遙感科技可以飛入更多普通人家，最終惠及更多普通老百姓的生產、生活。

桃李芬芳，共期未來

2020年6月至10月，當年規(guī)模最大的國際性遙感人工智能賽事之一——第四屆“中科星圖杯”高分遙感圖像解譯軟件大賽如火如荼地進行。該大賽吸引了清華大學、武漢大學、北京航空航天大學、復旦大學、國防科技大學、西安電子科技大學等國內頂尖學府及中國電科集團、中國航天科工集團等研究院與企事業(yè)等253家單位共計701支隊伍報名參賽。各戰(zhàn)隊累計課目報名次數高達1584次，累計提交各類軟件成果超過5000次，賽道排行榜競爭異常激烈。經過3個多月的激烈競爭，李彥勝帶領3名本科生過關斬將，憑借“聯合多視角多結構深度分割網絡和空間一致性邊界優(yōu)化的水體自動提取技術”，拿到了“高分光學遙感影像水體提取賽道”的冠軍。當時，和他們同處一個賽道的，大多是由高年級研究生或高級算法工程師組成的團隊。這次摘取桂冠得益于李彥勝結合專業(yè)背景設置的生動有趣的編程實驗，使同學們的編程能力得到了極大提升?！凹夹g能夠有效提高光學遙感影像水體提取精度是我們團隊取勝的關鍵，這一技術較好地解決了國產衛(wèi)星影像處理存在的一些問題?！笔潞罄顝﹦偃缡窃忈尗@得冠軍的原因。

本科教學與教學改進是李彥勝實踐的又一“沃野”。在武漢大學，李彥勝主講的課程主要有“數字圖像處理”“面向對象的程序設計”“MatLab應用”，以及“Image Processing and Analysis for Geospatial Imagery”（地理空間影像的處理與分析）等。為了調動同學們的學習積極性，李彥勝結合自身的科研實踐和學術研究成果，將前沿學術成果融入本科生全英文課程，一方面保證了課程的學科前沿性，另一方面有力地提高了學生的學習積極性。其教學成果不僅體現在匿名教評分數100分的成績，更體現在同學們科研能力的培養(yǎng)和提升上。其中，由李彥勝指導的本科二年級學生顧雅婷和王硯田撰寫的“A Survey on Deep Learning-Driven Remote Sensing Image Scene Understanding： Scene Classification， Scene Retrieval and Scene-Guided Object Detection”（《深度學習驅動的遙感影像場景理解綜述：場景分類，場景檢索和場景引導的目標檢測》）在國際SCI期刊上發(fā)表;由李彥勝指導的本科三年級學生黨博等獲得全國高等學校大學生測繪科技論文大賽特等獎;由李彥勝指導的本科三年級學生李晨陽等獲得美國大學生數學建模競賽一等獎。

桃李不言，下自成蹊。曾經在多位前輩科學家指引之下不斷成長的李彥勝如今也希望帶給學生同樣的影響和感受?？茖W攀登，永無止境。有了年輕人的加入和傳承，李彥勝及其團隊的工作也有了更多的底氣和自信，未來，他們還將工作重點放在遙感領域知識圖譜和深度學習相結合的技術研究和應用上，“這種技術最大的特點就是很好地將深度學習在面向底層特種的學習能力，以及知識圖譜面向高層這樣一種類似于人的推理能力，兩者相結合，從而推動新一代人工智能遙感影像的理解……”，站在人工智能與遙感大數據挖掘深度融合的浪潮之上，李彥勝及其團隊期盼和同行們一起，共同描繪遙感藍圖。