定级评审中 创业训练 520计算机科学技术 科创融合大挑战未定级

新时代，随着数字技术的飞速发展，我国提出了数字中国、数字政府等国家战略，加速推动了地理信息产品的升级迭代。不论是经济建设、科学研究，或是防震减灾，人们对于地图准确性和精细度的要求越来越高。然而，通过资料查阅与实际调研，传统电子地图存在以下几个问题： 1. 自然灾害频发导致许多地图数据得不到及时更新； 2. 一些偏远地区地图覆盖率不足； 3. 人工标注任务量过大； 4. AI生成地图存在偏差，准确率低； 5. 缺少统一审核和管理的遥感影像信息采集与标注系统。 因此，创建遥感领域通用模型，并结合人工标注和反馈，搭建一个面向AI生成结果的通用地理数据组织管理平台，十分必要。 我们的项目利用深度学习技术，构建通用遥感模型，以处理道路、房屋、地表等特征的自动提取。模型以多源遥感影像为输入，经过预训练和微调，实现高效、准确的特征识别，解决传统人工标注低效、缺乏一致性的问题；通过结合人工反馈的算法训练系统，将多源数据融合，并采用无监督、半监督和全监督算法，构建了一种螺旋式上升的遥感影像解析通用模型训练系统。该系统不断从人工反馈中学习和改进，实现自动迭代，提高了模型在道路提取、地表覆盖分类等任务中的准确性和效率；项目整体结构项目架构基于三层模式，包括前端用户界面、中间业务逻辑层和后端数据库层。前端用户界面实现用户注册、任务发布、数据标注和审核反馈等交互功能；业务逻辑层负责任务管理、标注审核、模型应用等核心功能，以及经济循环、算法训练优化等重要功能；后端数据库层存储遥感影像数据、矢量底图数据、用户信息、任务状态等数据。通过通用遥感模型的自动化任务解决数据更新和精确性问题，多人协作数据管理解决地图数据缺失问题，自动化标注审核提高数据可靠性，任务管理与经济激励促进标注效率提升，用户分级确保兼顾数据开放与信息安全。项目将有效提升地图数据的质量、准确性和覆盖范围，满足社会对地理信息的高质量需求。