执行概要
英特尔人工智能实验室、MILA 和 CrowdAI 在数据科学方面开展合作，共同开发深度学习图像分割模型，利用卫星图像检测偏远地区的桥梁。在与美国红十字会合作的过程中，我们认识到：鉴于乌干达长期以来饱受社区流行病和季节性天气事件的困扰，以乌干达领土图像为基础来开展这项工作很有价值。
为了开发适合该地区的模型，我们使用 CrowdAI 创建了自定义训练数据集，利用四波段（RGB 加近红外）高分辨率卫星图像作为输入。我们训练了多个深度学习模型，以便将图像分为道路、水道、桥梁和背景这四类。
利用适合于稀疏桥梁检测问题的自定义评估方法，我们从中选出一个性能最优的模型，用这一模型进行推理并对该模型此前未曾见过的乌干达南部各处的桥梁进行识别。通过我们的数据管道，我们已能识别 70 座新桥梁。
