简译软件通过多年的发展，结合AI大模型进行图像分割，以多尺度面向对象为基础，同时结合多种深度学习算法模型进行分类与信息提取，并对最后结果进行半自动修编与处理，使得简译软件成为融合这些技术的平台，将影像信息提取与分类技术上升到新的台阶，解决了传统方法无法准确识别地物的问题。
1、遥感图像解译三大难点：
1)地物分割：地物分不开，不同的地物很难分割开来；
2)地物提取：地物提取不准确，难以准确识别地物类型。
3)地物修正：任何深度学习算法都有不完备性，需要大量人工后期修编才能进行最终结果出图
2、“简译”解决思路：
1)“AI分割大模型+多尺度面向对象分割”结合解决地物分割问题；
2)“多个AI提取模型+面向对象提取方法”结合解决地物提取问题；
3)“多尺度面向对象编辑+矢量平滑导出”结合解决地物修正与出图问题；
简译软件融合以上多个方法，形成完整的技术体系框架，除了面向对象分割，提取算法，还提供5-6种深度学习算法，这些算法可以实现可替换式修正。用户可以任意替换为自己的分割、分类、提取算法以达到更好的效果。
一：“AI分割大模型+多尺度面向对象”解决地物分割问题
现在基于Transformer架构的的AI 大模型已经取得了很好的分割效果。
但现在的AI 大模型对于具体的很多地物还会存在分割不清楚的地方，可以结合多尺度面向对象分割，两种方法相互补充，形成混合分割的效果，如下图所示:
软件大数据版本能支持百亿像素图像，上T级别数据的“AI大模型+面向对象”分割，满足绝大多数用户单位的卫星与无人机数据的处理要求。
二：“多个AI模型+面向对象提取方法”解决地物提取问题:
简译软件提供了4种AI模型和2种面向对象提取方法，一共6种方法来解决地物提取问题。其中包括2种AI分类模型，2种AI提取模型，1个基于对象规则集的提取方法，1个对象快速搜索的方法。面对用户不同需求，选择不同的AI模型和提取方法是目前地物提取问题最好的解决方案。其中最有特色的是面向对象样本制作，采用少量样本就可以得到非常好的训练结果：
建立工程并制作样区，之后设置深度学习训练参数，导出样本，设置训练参数完成深度学习模型训练，得到对应的学习训练结果。将计算出来的模型应用到原始图像中，得到各个类别的概率图，如下所示：
比较每个像素在不同类别的概率，按照概率值最大的值指定类别，得到如下结果：
可以看到面向对象+AI进行信息提取，结果有很高的准确率。简译提供了2种AI分类网络模型和2种AI提取网络模型，小的AI网络模型精度在85%左右，用户需要选取的样本量少，训练时间短，效率高。中大规模的AI网络模型精度在95%左右，但用户需要选取的样本量多，训练时间长。
三、“多尺度面向对象修正+矢量平滑导出”解决提取结果修正与出图问题
任何深度学习的算法都存在错误，需要后期进行人工的修正，而多尺度面向对象可以实现半自动的结果修正,如下图所示：
最终结果可以实现保持拓扑关系的平滑导出：
简译软件已经在全国26个省份业务中心和多个国家部委业务部门部署和使用。
简译软件已全面支持国产化，包括麒麟操作系统，华为CPU芯片，海光X86芯片，华为昇腾GPU, 寒武纪GPU等处理器。
欢迎大家访问www.reavenue.com.cn或者联系13811317591/18610998699。