■美国爱国者地空导弹系统运输起竖发射车挑战。
本报讯
美国研究人员训练出一个深度学习算法（AI），用以识别“东亚某国”地空导弹基地。这些算法比人类的速度快几百倍，高效找出分布在一块近9万平方公里区域内的地空导弹发射场。这种人工神经网络基于能够过滤和学习大量资料的人工神经层，达到人类图像分析专家90%的准确率。
细胞在受控的细胞培养皿条件下进行称重，测得的重量约为2到3纳克。天平称重臂放到培养皿底部，轻推拣起单个细胞。
令人震惊的是，这种方法还将发现潜在导弹基地的时间从60小时减少到42分钟。
可怕之处在于，这只是公开的“民间”研究。“用算法发现潜在的导弹基地位置，据我所知，这为人类节省了很多时间” 密苏里大学电气工程和电脑科学教授Curt Davis谈了谈他们的研究方向。
这个研究发表在《应用遥感》杂志上，展示了一种用于大量卫星图像分析的深度学习模型，能够识别情报机构和国家安全专家感兴趣目标。
在卫星图像分析中应用深度学习AI的挑战通常很难解决。与人脸、地点或者物体识别相比，卫星图像对深度学习算法提出了更大的挑战。因为卫星图像会从多个角度进行拍摄，同一地点的建筑物可能在照片上是颠倒的，另外同一地点的不同时间里云层的变化也很不一样。
另一个主要问题是相对缺乏大型训练资料集，包括用于训练深度学习算法的手工标记的示例，需要用它来准确识别卫星图像的特征。
对此，Davis团队将全球约2200个地点的公共资料与影响解决方案商DigitalGlobe卫星图像结合在一起，创建自己的训练资料，然后通过测试4种深度学习模型找到最佳测试资料。
但研究人员手中确认的地空导弹基地图片只有90个。这样一个小型训练资料集通常无法产生准确结果。为了解决这个问题，Davis等人将原始图像稍微改变了方向，把90多个训练样本转换成大约893000个训练样本。这项研究中的成绩很可能得益于导弹发射基地占地很大，在卫星图像上看也有独特的图案。卫星图像之间的分辨率也差异很大。这让问题进一步变得复杂，想要深度学习算法效果最好，通常需要给定相同大小的图片。另外，除了可见光图像之外，不少卫星拍摄的还是红外或者其他光谱波段的图像。
