第五届“中科星图杯”国际高分遥感图像解译大赛初赛已于2021年10月27日结束，组委会发布进入决赛的队伍名单，多支基于计图(Jittor)框架的赛队进入决赛。  

一、Jittor遥感库助力赛队取得佳绩

“中科星图杯”遥感大赛设6个赛道，吸引来自中国、美国、德国、西班牙、日本、澳大利亚、新加坡等国的高校、研究所和企事业单位的实名注册队伍近500支，实名参赛选手1200余人。

Jittor框架是清华大学开源的自主深度学习框架，也是大赛指定的深度学习框架之一；Jittor团队于8月4日发布遥感图像物体检测算法库JDet，对大赛所使用的数据集和提交方式提供了相关支持和工具，并在计图开发者群中提供框架的技术支持，受到了参赛队伍的好评。

据不完全统计，大赛的三个赛道中，有基于计图框架的参赛队伍取得佳绩。

赛道1：高分辨率可见光图像中多类目标细粒度检测识别

第7名，参赛 队名： 一个基线， 分数：51.6442

赛道2：面向海洋一号可见光图像中海冰目标监测

第1名，参赛 队名：glotwo， 分数：97.9354

赛道5：高分辨率SAR图像中近海养殖场分割

第5名，参赛 队名：星星之火， 分数：97.7057

二、Jittor已开源一批模型支持遥感图像的目标检测和分割

8月4日，Jittor团队发布了基于Jittor框架[1]的遥感图像物体检测算法库JDet，对目前主流的遥感图像物体检测算法进行整理重构，统一接口，提升易用性，并且借助Jittor深度学习平台的优势，使其更高效、稳定运行。

目前JDet已经支持6个模型，正在支持6个模型，共计划支持16个以上主流及基础模型。目前，JDet支持光学遥感影像的处理，后续JDet也将支持SAR图像的处理！

使用Jittor框架可以显著缩短模型训练所需要的时间，JDet还支持了COCO、DOTA和FAIR等目标检测数据集，集成了这些数据集的相关辅助工具，包括数据预处理、后处理等，方便用户使用。JDet在不同环境下无需对任何算子进行手动编译，即可轻松运行不同模型。

图1 JDet遥感物体检测算法输出结果示例

9月2号，计图团队开源了遥感分割模型 PFNet[2]，并使用Res2Net[3]骨干网络对 PFNet 进行了增强，可以对海冰目标监测和近海养殖场分割的任务提供较好的支持。

计图团队又进一步对遥感分割进行探索研究，放弃了使用传统的卷积神经网络去进行遥感图像分割，提出了使用最新的Transformer 结构对遥感图像进行分割的思路。图2是对不同分割模型的对比, A为输入图像，B是基于 CNN 的模型的分割结果，C是基于Transformer 的模型的分割结果，D是标注的结果。

图2 Jittor框架支持遥感图像分割

后续，相应的算法将在github开源供大家使用；欢迎大家使用计图开展遥感领域的相关研究。

参考文献

1. Shi-Min Hu, Dun Liang, Guo-Ye Yang, Guo-Wei Yang, and Wen-Yang Zhou. Jittor: a novel deep learning framework with meta-operators and unified graph execution. Science China Information Sciences, 2020，Vol. 63, Article no. 222103, pages 1–21.

2. Xiangtai Li, Hao He, Xia Li, Duo Li, Guangliang Cheng,Jianping Shi, Lubin Weng, Yunhai Tong, and Zhouchen Lin. Pointflow: Flowing semantics through points for aerial image segmentation, CVPR 2021，4217-4226.

3. Shang-Hua Gao, Ming-Ming Cheng, Kai Zhao, Xin-Yu Zhang, Ming-Hsuan Yang, Philip Torr. Res2Net: A new multi-scale backbone architecture, IEEE Transactions on Pattern Analysis and Machine Intelligence, 2021, Vol. 43, No. 2, 652-662.

GGC往期回顾

1.  Computational Visual Media第8卷第1期导读

2.  计图开源：浙大邵天甲团队提出基于无限对抗生成网络的非监督式图像生成方法

3.  IEEE TVCG前主编Ming C. Lin教授获CCF海外杰出贡献奖

4.  彭群生、王文平、Yuki Koyama分获亚洲图形学学会2021年度三项大奖

5.  计图团队首创三角网格面片上的卷积神经网络、图像上的网络架构可以做三维模型的深度学习了！

您可通过下方二维码，关注清华大学图形学实验室，了解图形学、Jittor框架、CVMJ期刊和CVM会议的相关资讯。