人工智能技術(shù)已廣泛應(yīng)用于目標(biāo)檢測、環(huán)境監(jiān)測、礦物勘探等領(lǐng)域,尤其是遙感圖像目標(biāo)檢測,具有數(shù)據(jù)量大、特征維數(shù)高、計算復(fù)雜度高的特點(diǎn),其高精度實(shí)時目標(biāo)檢測與識別需求對無人機(jī)、衛(wèi)星等部署平臺的人工智能芯片提出了極大的算力與功耗挑戰(zhàn),亟需新型人工智能技術(shù)突破上述挑戰(zhàn)。

針對上述挑戰(zhàn),中國科學(xué)院微電子研究所喬樹山研究員團(tuán)隊提出了壓縮感知下多波段圖像信息有限分布理論(Restricted Distribution Property),該理論允許在不重建圖像的情況下,保留數(shù)據(jù)中的重要判別信息。基于該理論,團(tuán)隊提出了基于Kullback-Leibler(KL)散度的光譜特征評價體系,以及廣義協(xié)方差保留特性(Sample Covariance Preservation)。團(tuán)隊開發(fā)出基于Triplet Transformer的人工智能目標(biāo)檢測算法,實(shí)現(xiàn)無需重建的快速目標(biāo)識別。相比于傳統(tǒng)的快照式成像平臺上的處理,團(tuán)隊提出的壓縮感知域目標(biāo)檢測方法最多取得了21.1倍的延遲降低,90%的圖像特征維度降低以及0.9998以上的AUC(P_d,P_f)。該研究使得在不需要復(fù)雜數(shù)據(jù)重建的情況下實(shí)現(xiàn)實(shí)時檢測成為可能,對于算力與功耗受限的目標(biāo)檢測與識別具有重要意義。

基于上述研究成果的論文“Compressive Hyperspectral Target Detection With Restricted Distribution Property”(DOI: 10.1109/TGRS.2024.3392847),與“CS-TTD: Triplet Transformer for Compressive Hyperspectral Target Detection”(10.1109/TGRS.2024.3436084),均發(fā)表在中國科學(xué)院一區(qū)期刊IEEE Transactions on Geoscience and Remote Sensing。微電子所碩士研究生楊清耀兩篇文章的第一作者,微電子所王曉琴研究員為通訊作者。

圖 1.基于Triplet Transformer的壓縮感知域目標(biāo)檢測

圖 2. (a) AVIRIS偽彩色圖像與目標(biāo)檢測結(jié)果;(b) 壓縮感知域下ROC曲線?