■美國愛國者地空導彈系統運輸起豎發射車挑戰。
本報訊
美國研究人員訓練出一個深度學習算法（AI），用以識別「東亞某國」地空導彈基地。這些算法比人類的速度快幾百倍，高效找出分佈在一塊近9萬平方公里區域內的地空導彈發射場。這種人工神經網絡基於能夠過濾和學習大量資料的人工神經層，達到人類圖像分析專家90%的準確率。
細胞在受控的細胞培養皿條件下進行稱重，測得的重量約為2到3納克。天平稱重臂放到培養皿底部，輕推揀起單個細胞。
令人震驚的是，這種方法還將發現潛在導彈基地的時間從60小時減少到42分鐘。
可怕之處在於，這只是公開的「民間」研究。「用算法發現潛在的導彈基地位置，據我所知，這為人類節省了很多時間」 密蘇里大學電氣工程和電腦科學教授Curt Davis談了談他們的研究方向。
這個研究發表在《應用遙感》雜誌上，展示了一種用於大量衛星圖像分析的深度學習模型，能夠識別情報機構和國家安全專家感興趣目標。
在衛星圖像分析中應用深度學習AI的挑戰通常很難解決。與人臉、地點或者物體識別相比，衛星圖像對深度學習算法提出了更大的挑戰。因為衛星圖像會從多個角度進行拍攝，同一地點的建築物可能在照片上是顛倒的，另外同一地點的不同時間裏雲層的變化也很不一樣。
另一個主要問題是相對缺乏大型訓練資料集，包括用於訓練深度學習算法的手工標記的示例，需要用它來準確識別衛星圖像的特徵。
對此，Davis團隊將全球約2200個地點的公共資料與影響解決方案商DigitalGlobe衛星圖像結合在一起，創建自己的訓練資料，然後通過測試4種深度學習模型找到最佳測試資料。
但研究人員手中確認的地空導彈基地圖片只有90個。這樣一個小型訓練資料集通常無法產生準確結果。為了解決這個問題，Davis等人將原始圖像稍微改變了方向，把90多個訓練樣本轉換成大約893000個訓練樣本。這項研究中的成績很可能得益於導彈發射基地佔地很大，在衛星圖像上看也有獨特的圖案。衛星圖像之間的分辨率也差異很大。這讓問題進一步變得複雜，想要深度學習算法效果最好，通常需要給定相同大小的圖片。另外，除了可見光圖像之外，不少衛星拍攝的還是紅外或者其他光譜波段的圖像。
