遥感行业解决方案

平台基于模型训练结果，面向典型业务场景与应用需求，可提供遥感影像在线智能解译能力，包括遥感影像的单景解译及批量解译，提供解译结果可视化展示以统计分析。 图20 面向业务场景的遥感影像在线单景智能解译 图21 面向业务场景的遥感影像在线批量（右）智能解译 图22 解译结果统计分析 父主题：

查看更多 →

支持多种经典机器学习分类算法，如K-Means、随机森林、正态贝叶斯、支持向量机、期望最大EM等，实现遥感影像快速分类 图6 基于K-Means算法的分类结果图 图7 基于正态贝叶斯的分类结果图 支持调用PIE-Engine AI平台的丰富深度学习模型进行实时解译 图8 调用PIE-Engine AI平台模型进行水体解译结果图

查看更多 →

练样本”或“学习案例样本”页签，单击样本下方的/。 单个下载样本：在“样本库”、“AI训练样本”或“学习案例样本”页签，单击样本下方的或单击样本，在样本详情页面单击样本中的 按任务归类 单击对应的“采集样本数量”、“AI训练样本数”或“学习案例样本数”列的数值，“可以进入到样本清单明细页面，查看当前的样本明细

查看更多 →

深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和 语音识别 等不同领域， DLI 服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

查看更多 →

深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和语音识别等不同领域，DLI服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

查看更多 →

片与视频，这些影像数据会作为后续人工智能AI模型的训练数据集，影像数据包含图片与视频。 在ISDP中，检查单、任务单、子任务单以及问题单都独立具备影像采集的能力。 在形成可用的训练数据前，需要对这些影像数据进行正负样本的手工分类，符合标准的影像作为模型训练中的正样本数据。实际操作

查看更多 →

所需数据服务 导航底图 卫星遥感影像栅格图 移动出行 卫星遥感影像栅格图、矢量栅格数据、地址数据等 行业一张图 卫星遥感影像栅格图、矢量栅格数据、行业GIS相关数据、地址数据等 森林防火 卫星遥感影像栅格图、气象数据、河湖数据、地址数据等 河湖四乱 卫星遥感影像栅格图、污染源数据、气象数据等

查看更多 →

实景三维生产服务精修后处理任务管理 卫星影像生产服务 KooMap为用户提供卫星影像生产服务，覆盖色彩增强、几何粗纠正、几何精纠正、正射纠正、影像匀色、影像镶嵌等处理能力，支持L2、L3、L4、L5四个等级的影像处理服务。 L2级处理：对原始遥感光学卫星影像进行色彩增强与几何粗纠正处理，输出L2级的成果数据。

查看更多 →

信息。 卫星影像：指通过安装在遥感平台上的遥感仪器对地球表面摄影或扫描获得的影像。目前版本仅支持对遥感光学卫星影像处理。 矢量数据：指通过记录坐标的方式尽可能的将地理实体的空间位置表现的准确无误。影像处理服务中可利用矢量属性对卫星影像边界裁切，从而获取到满足用户业务需求数据。 生

查看更多 →

参数名 参数描述 XGBoost 学习率 控制权重更新的幅度，以及训练的速度和精度。取值范围为0~1的小数。 树数量 定义XGBoost算法中决策树的数量，一个样本的预测值是多棵树预测值的加权和。取值范围为1~50的整数。 树深度 定义每棵决策树的深度，根节点为第一层。取值范围为1~10的整数。

查看更多 →

或者效益最大化； 数据缺乏安全性高、维护成本低的云资源支持业务场景应用。 方案架构 图1 架构图 方案优势 落地性强：自主研发目标识别和深度学习融合的耘镜平台，目前已服务全国超过4亿亩耕地 AI能力强：方案结合华为云EI服务，地物自动识别效率超过95%，作物长势监测8天自动化更新

查看更多 →

卫星影像生产服务有哪些功能 卫星影像生产服务可以实现色彩增强与几何粗纠正L2处理、色彩增强与精纠正L3处理、正射纠正L4处理以及影像镶嵌L5处理，具体如下： L2处理：对原始遥感光学卫星影像进行色彩增强与几何粗纠正处理，输出L2级的成果数据。 L3处理：对原始遥感光学卫星影像进行

查看更多 →

单击“卫星影像生产服务”卡片下的“开通服务”。 进入“开通卫星影像生产服务”页面设置“区域”并了解卫星影像生产服务提供的服务项目，单击“下一步”。 确认服务开通信息以及收费标准，并单击右下角“开通遥感专属数据存储服务”进入“遥感专属数据存储服务配套开通”页面，了解遥感专属数据存储服务收费标准。

查看更多 →

对卫星影像的几何处理，使其具有正射投影性质，即为正射影像。 图像解译 通过图像上反应的颜色、形状，推断目标电磁波特定的差异，进而对目标进行定性识别，作为模式识别技术在遥感领域的应用。 影像融合 将低分辨率的多光谱影像与高分辨率的单波段影像重采样，生成高分辨率多光谱影像遥感的影像处

查看更多 →

参数名 参数描述 XGBoost 学习率 控制权重更新的幅度，以及训练的速度和精度。取值范围为0~1的小数。 树数量 定义XGBoost算法中决策树的数量，一个样本的预测值是多棵树预测值的加权和。取值范围为1~50的整数。 树深度 定义每棵决策树的深度，根节点为第一层。取值范围为1~10的整数。

查看更多 →

购买卫星遥感数据 操作场景 本章节指导用户购买卫星遥感数据。 操作步骤 登录MapDS控制台。 在左侧导航栏选中“卫星遥感数据”，进入订单列表页面。 单击右上角“购买卫星遥感数据”，进入购买页面。 根据界面提示选择购买区域。 在购买区域上用户可根据“行政区域选择”或者“自定义SharpFile”。

查看更多 →

数据处理用于对各类型地图原始数据进行加工，使之符合最终用户使用要求，如对卫星遥感影像数据进行加工，最终形成影像栅格数据。 数据调用是地图数据服务对外服务的主要能力，用户可以通过API调用地图相关数据。 当前MapDS主要推出了地图瓦片服务和卫星遥感数据服务。 地图瓦片服务通过在服务端将地图数据分割成地

查看更多 →

可以在哪里导入数据 在数据管理页面，可将数据加工所需的原始遥感卫星影像文件、倾斜摄影影像（航空飞机影像、无人机影像）和矢量文件导入到KooMap存储空间中。具体导入步骤请参见导入数据。 父主题： 数据传输

查看更多 →

径下。该路径不能包含中文。 深度网络因子分解机-DeepFM 深度网络因子分解机，结合了因子分解机和深度神经网络对于特征表达的学习，同时学习高阶和低阶特征组合，从而达到准确地特征组合学习，进行精准推荐。单击查看深度网络因子分解机详细信息。 表4 深度网络因子分解机参数说明 参数名称

查看更多 →

样本对齐 单击右下角的下一步进入“样本对齐”页面，这一步是为了进行样本的碰撞，过滤出共有的数据交集，作为后续步骤的输入。企业A需要选择双方的样本对齐字段，并单击“对齐”按钮执行样本对齐。执行完成后会在下方展示对齐后的数据量及对齐结果路径。 父主题： 使用 TICS 可信联邦学习进行联邦建模

查看更多 →

处理卫星影像生产任务 新建任务完成后，启动任务即可开始遥感影像的任务处理。 前提条件 已创建卫星影像生产任务。 操作步骤 登录KooMap管理控制台。 在左侧导航栏选择“工作共享空间管理”，然后在右侧页面单击工作共享空间名称。 单击“卫星影像概览”页签，进入任务概览页。 选择需要

查看更多 →