2)如果仅仅有数据,那干不了任何事,只有解译出来的数据才能服务。这里又有两点可以展开谈:
A 解译的自动化程度和稳健程度是关键,几何问题基本完满解决了,但是分类、识别、特定行业的目标和知识提取还大有可为。这里面临的挑战一方面是现在大的机器学习社区所共同面对的难题,如特征的表达,分类器的泛化,迁移学习等;一方面还有我们所需要去面对的独特的挑战和优势,如分类器抗噪声处理、高质量海量训练样本的制作、地物结构的学习等问题。
B 与计算机视觉、机器学习,往大了说人工智能这个大方向存在着天然联系,使得摄影测量与遥感可以站在测绘大方向与机器学习的交叉口,自然可以借力新的机器学习理论狂飙突进的技术迭代。作为测绘学子,这是一个进入深度学习、大数据等热门的数据科学方向的良好入口。