[01927357]基于人工智能的土地调查举证平台

在第三次全国国土调查中，外业举证的方法是：巡查人员利用手持高精度定 位移动设备进行外业取证拍照，并将巡查结果实时反馈到核查端，由内业核查人 员检查并实时反馈判定结果，以此来辅助市级管理部门的巡查审批等工作。但是 这个过程存在许多主观性的因素，导致外业举证存在一些问题。为了解决这些问 题，本项目拟开发一个智能化的外业举证平台，在上传外业举证照片后，由此平 台直接根据已经建立的标准图斑与所上传图斑进行比对，自动生成外业调查结果， 上传至土地利用现状数据库，减轻内业调查人员的工作量，提高工作效率与准确 度。

本项目未来的主要业务模式是服务于地方政府的自然资源调查项目，与地方 政府合作，并向地方政府收取软件使用费的方式来实现营收。

主要创新点

本项目采用的是基于卷积神经网络的图像识别技术，重在改革当前的自然资 源调查技术，以更加智能的技术和方法解决当前技术存在的短板，提高自然资源 调查的工作效率与精确度。

卷积神经网络(Convolutional Neural Network,CNN)是一种广为人知的深度学 习架构，其设计灵感来自生物体的自然视觉感知机制。 自 2006 年以来，研究人 员提出了很多方法来克服深度 CNN 在训练中所遇到的困难。其中最值得注意的 是 2012 年 Krizhenvsky 等提出的一种与 LeNet-5 类似但具有更深结构的 CNN 架 构——AlexNet ，该架构在 ILSVRC2012 图像分类任务中显著超越了之前的所有 方法，一举夺得2012ILSVRC 的冠军。随着 AlexNet 的成功，研究者们也在其基 础上进行了部分改进，以提升它的性能，其中比较有代表性的架构有 ZFNet，NIN， VGGNet ，GoogLetNet ， Res-Net ，DenseNet ， DPN 和 SENet。近年来，深度学 习技术不断发展，正在加速渗透到各行各业中，AI 技术区别于传统技术，能够 大大降低人力投入，并且在很多方面拥有优于传统技术的性能。