2020全国人工智能大赛遥感组
赛道背景
地物要素分类是将地表相对固定的物体分类的系统体系，是地表地物要素观测与测绘的重要手段之一。基于遥感影像开展地理国情监测、“耕地红线”、“生态红线”等实际应用，受“同物异谱”、“同谱异物”现象影响，分析与处理的难度极大，目前主要采用人工方式提取地物要素，效率低，耗资巨大，迫切需要自动化、高精度的地物要素提取方法。AI+遥感影像赛道，旨在充分利用大数据、人工智能等先进技术，突破面向大规模多源异构高分数据信息提取与分析的技术瓶颈，形成一批高效、可用、实用的先进算法，提升高分对地观测信息服务能力。
赛道任务
对高分辨率光学遥感图像中各类地物光谱信息和空间信息进行分析，将图像中具有语义信息的各个像元分别赋予语义类别标签；以包含典型土地利用分类的光学遥感图像为处理对象，选手使用主办方提供的遥感图像进行土地利用类型语义分割处理，主办方依据评分标准对结果进行综合评价。
依据现有的遥感地物分类要求，结合现有的地物分类实际需求，参照地理国情监测、“三调”等既有地物分类标准，依据遥感地物“所见即所得”原则，设计地物要素分类体系，共涉及一级大类8种，二级子类17种，详见表：
| 一级大类 | 二级分类 | 分类示例 | 参考说明 |
|---|---|---|---|
| 一级大类 | 二级分类 | 分类示例 | 参考说明 |
| 水体 | 水体 | 河流、湖泊、水库、坑塘、沟渠、海洋等 | 视觉效果为纯水面，如蓝色、浅蓝色等，由于水体污染等情况，水体可能出现浅绿到深绿色，并且由于水深的不同，水体可能出现颜色变幻。甚至由于传感器角度与太阳角度，出现镜面反射的情况，水体也可能出现高亮的情况，另外在大风天，高分辨率影像的水体也可能出现鱼鳞纹。 |
| 交通运输 | 道路 | 快速路、主干路、次干路和支路等 | 深灰色或灰白色，带状，连续，有明显机动车道或高架匝道，内有行驶车辆。从影像角度而言，只考虑明显可以将地物分割为不同地块的道路，例如小区内部细小道路不予考虑，只标注周边的公路 |
| 交通运输 | 机场 | 飞行区、航站楼等 | 位于城市中心区以外，与高速公路联系，占地面积大，有明显白色飞机跑道，大体量的候机大厅，并配有大规模仓储库房。勾画时，仅勾画像元级别精度的跑道与配属的航站楼，以及其他的拥有飞机的配属建筑。 |
| 交通运输 | 火车站 | 火车站站台及候车厅 | 火车站因其背景特殊（建于铁道之上）且形制特殊，可以单独作为一类地物进行提取。 |
| 建筑 | 建筑物 | 住宅、工厂等人工建筑 | 村庄、城市各类建筑，如住宅、厂房，排列较为整齐，住宅通常为红顶黑顶，厂房多为蓝顶、白顶或灰顶等。 |
| 耕地 | 普通耕地 | 普通耕地 | 耕地多为规则矩形组成，成片分布，纹理细致。此处的耕地仅为在该地块上无任何附加建筑与覆盖的耕地，例如农业大棚另做一类。耕地在不同时相上、不同气候背景下有不同的光谱特征，例如休耕期与作物生长期的光谱特征截然不同，在南北方的相同时期，因气候背景不同，其光谱特征也会由于作物类型不同而不同。 |
| 耕地 | 农业大棚 | 耕地另一种形式，如温室 | 农业大棚为具有一定规模、排列紧密整齐，条状浅蓝绿色或白色窄形。 |
| 耕地 | 自然草地 | 自然草地 | 指以生长草本植物为主，覆盖度在5%以上的各类草地，包括以牧为主的灌丛草地和郁闭度在10%以下的疏林草地。自然草地颜色以浅绿色至深绿色为主，间杂矮小灌木，图像纹理杂乱。 |
| 绿地绿化 | 包括公园绿地、生态景观绿地、防护绿地等人工草地 | 城市公园，内部有大面积洁净水面或观赏塔、亭，绿地率不小于65%；大型郊野公园影像特征与城市公园相似，占地面积更大，多位于城市边缘地区或绿隔地区；防护绿地一般位于高速路、高压线、铁路两侧，或燃气、污水处理厂等危险源四周，带状分布、均匀宽度，起隔离、卫生和安全的作用。 | |
| 耕地 | 自然林 | 乔木林、灌木林 | 多位于丘陵地区，成片分布，深绿色，具有明显的沟脊走向，山坡阳坡颜色以浅绿色至深绿色为主，背阴坡以深绿色至黑色阴影覆盖为主。从影像判读中，其植被郁闭度极高，有明显的垂直分布结构。 |
| 人工林 | 果园林、苗圃等 | 边界规则，行株距清晰，树冠小，深色点状纹理，内部道路系统清晰连贯。树冠阴影表现为黑色的晕斑等明显有人为修正痕迹的林地。 | |
| 裸土 | 自然裸土 | 自然裸土、戈壁、沙漠 | 主要以自然原因造成的土壤裸露为主，例如因土壤贫瘠、土层较薄造成的土壤裸露，颜色以褐色或者灰色为主，或者因气候原因造成土壤沙化进而形成的戈壁滩、沙漠等，颜色以黄色为主。 |
| 裸土 | 人为裸土 | 指因建筑需求等原因破坏地表覆盖而造成裸土裸露的地表 | 因建设需要，在建设之前，需要将地表开挖，然后运走土方，以便填充构筑物，例如打桩作为地基稳定建筑物，所以该地物存在时间较短，且纹理复杂，颜色以亮黄色为主，但是有时候因环境需求，须铺设防尘网等防止扬尘的设施，所以部分情况下，在遥感影像上呈浅绿色。 |
| 其它 | 光伏 | 太阳能光伏发电板 | 太阳能光伏板是光谱和纹理相对于背景很特殊的一种地物，其颜色以深蓝色为主，纹理固定 |
| 其它 | 停车场 | 社会停车场用地/公共交通场站/ | 位于主干道、次干道两侧或车站前甚至房顶，或大型购物中心附近。有数量较多、排列整齐或者间杂排列的汽车。 |
| 其它 | 操场 | 篮球场、排球场、羽毛球场、网球场等 | 椭圆形红色或者蓝色跑道，内有绿色或者蓝色等其他醒目色的绒状足球场，亦或者有明显线条的室外篮球场、羽毛球场灯体育设施 |
| 其它 | 其它无法确定归属地物 | / | / |
依据所述地物要素分类标准与星载遥感影像处理实际需求，以多种地物要素的高分光学遥感图像的像素级分类为目标，设计赛题如下：
a. 初赛：算法在地物要素按一级大类（8类）分类的能力。进阶考察算法地物要素分类的准确性；
b. 复赛：算法在地物要素按二级子类（17类）分类的能力。进阶考察算法分类的准确性，测试数据尺寸变化的适应性，支持统一的接口调用；
c. 决赛：算法在地物要素按二级子类（17类）分类的能力。进阶考察现场答辩评议，强调模型复杂度和效率考察，算法分类的准确性，测试数据尺寸变化的适应性，支持统一的接口调用；
数据简介
（1）来源：数据为0.1米-4米分辨率的高分一、二、六号，高景二号，北京二号，以及部分航空等数据源的可见光、多光谱载荷图像，由鹏城实验室和协办单位合作采集、标注、构建；
（2）规模：100万+张遥感影像语义分割样本数据；
（3）用途：土地利用动态监测，矿产资源开发状况和地质灾害的调查与监测；生态环境监管调查与评价，水环境监测与评估，空气环境监测与评价；耕地数量与质量调查。
（4）方法
初赛：10万高分光学影像和标注文件（一级分类），20万测试图片数据；
复赛：10万高分光学影像和标注文件（二级分类），30万测试图片数据；
决赛：10万高分光学影像和标注文件（二级分类），30万测试图片数据，强调模型复杂度和效率考察：
数据说明
（1）整体数据说明
a.原始影像
影像格式为tif，包含R、G、B三个波段，训练集影像尺寸为256 * 256像素，初赛测试集影像尺寸为256 * 256像素，复赛、决赛初步确定测试集尺寸可变。
b.标签数据
标签格式为单通道的png，每个像素的标签值由一个三位数表示，使用‘uint16’数据类型存储，该三位数包含了一级和二级两个类别信息，百位上的一个数字表示一级类别，十位和个位上的两个数字一起表示二级类别。
一级类别共分为8类，一级类别及对应的百位上的数字如下表所示：
| 一级类别 | 对应标签百位上的数字 |
|---|---|
| 水体 | 1 |
| 交通运输 | 2 |
| 建筑 | 3 |
| 耕地 | 4 |
| 草地 | 5 |
| 林地 | 6 |
| 裸土 | 7 |
| 其它 | 8 |
二级类别共分为17类，二级类别及对应的十位、个位上的数字如下表所示：
| 二级类别 | 对应标签十位及个位上的数字 |
|---|---|
| 水体 | 01 |
| 道路 | 02 |
| 建筑物 | 03 |
| 机场 | 04 |
| 火车站 | 05 |
| 光伏 | 06 |
| 停车场 | 07 |
| 操场 | 08 |
| 普通耕地 | 09 |
| 农业大棚 | 10 |
| 自然草地 | 11 |
| 绿地绿化 | 12 |
| 自然林 | 13 |
| 人工林 | 14 |
| 自然裸土 | 15 |
| 人为裸土 | 16 |
| 其它 | 17 |
（2）初赛标签数据
初赛中，要求对一级类别分类，分类的结果为表3中的8个类别，提供的标签数据中，三位数标签的十位及个位数赋值为0，用百位上的一个数字来表示一级类别，例如：对于标签值为100的像元，对照表3，表示该像元的一级类别为水体。
（4）复赛/决赛标签数据
复赛和决赛中，要求对二级类别分类，分类的结果为表4中的17个类别，三位数标签的十位和个位一起表示二级类别，例如，对于标签值为204的像元，该像元的二级类别编码为‘04’，对照表4，表示该像元的二级类别为机场。
提交要求
（1）初赛
预测结果压缩包提交，参赛者将测试集的预测结果放入results文件夹并压缩为zip格式，将压缩包上传到大数据竞赛平台，平台进行在线评分，实时排名。
（2）复赛及决赛
复赛及决赛作品提交要求将于初赛结束前2周公布。
提交示例
（1）初赛
a.向大赛平台提交参与评测的results.zip内容为：
results:
1.png
2.png
注意事项: 预测结果中的单个文件名需和预测图片命名方式一致，如预测图片中包含1.jpg，则预测结果中必须有1.png，其中1.png的数据格式和提供的训练集的标注文件保持一致。
b.主观评测的提交材料：
- 应当包含必要的代码级样例展示；
- 应当包含详细的解题思路说明、项目运行环境和运行办法等信息，方便大赛专家评委进行成绩有效性核实；
c.参赛项目模型和工程文件： - 建议保留从工程创建至截止日期所有的 commit，以便展现项目迭代过程；
- 如有版本迭代，建议保留所有 tag 与 release；
- 应当包含所有的模型和工程文件，保证模型和成绩可复现；
- 最终代码以 master 分支为准，请适当合并分支；
- 成绩需要可以成功复现，选手有义务及时响应技术委员会的复现要求；
- 其他技术委员会视情况指定的审核要求；
（2）复赛
复赛提交示例细则将在初赛结束后提供。
7、评测标准
（1）初赛/复赛
初赛、复赛使用国际通用指标加权交并比FWIoU， 根据每个类出现的频率为其设置权重，具体计算公式为：
（2）决赛
决赛在FWIoU的技术上引入模型效率及模型复杂度评价指标：
模型效率：模型效率以6小时为基础归一化为百分制，超过6小时得分为0。
模型复杂度：模型复杂度以模型大小50MB为基础归一化为百分制，超过50MB得分为0。
决赛客观得分 = 0.5FWIoU100 + 0.3E + 0.2C。
注意：评审说明
- 初赛排行榜采用 A/B 榜机制，其中A 榜计算提交结果文件中一定比例数据的成绩，B 榜计算剩余数据的成绩，A、B榜阶段前将发布相应测试集；
- 在初赛A榜阶段，每个队伍每天最多可提交3次结果文件参与评测，平台实时评测出分，在A榜阶段内各团队最高分参与排名，排行榜实时更新；
- 在初赛B榜阶段，每个队伍每天可多次提交结果文件，但平台仅对当日最后1次提交进行评测，于当晚12:00:00评测出分，在B榜阶段内各团队最高分参与排名，排行榜每晚12:00:00定时更新；
- 主观评审规则将由组委会统一发布；
- 决赛加分项：基于昇腾的算法模型，决赛成绩可加分（细则待复赛结束后公布）。