paddlepaddle(paddlepaddle框架)

图图资源公众号引导关注.jpg
以上资料,免费领取,领取地址:https://vip.f6sj.com
paddlepaddle(paddlepaddle框架)

2021年10月,中国人民银行等联合发布了《关于规范金融业开源技术应用与发展的意见》(银办发〔2021〕146 号),规范金融机构合理应用开源技术,提高应用水平和自主可控能力,促进开源技术健康可持续发展。前期,为助力成员单位做好开源技术应用与发展工作,北京金融科技产业联盟开源专委会组织了金融业开源技术应用、创新等方面的案例征集,现对部分优秀案例进行宣传,发挥先进典型示范引领作用。

【金融机构开源技术应用创新成果案例 第五期】

中国工商银行——基于PaddlePaddle飞桨的金融遥感影像智能分析能力建设方案

技术领域:人工智能遥感卫星影像智能识别

技术产品:PaddlePaddle飞桨

业务场景:信贷和普惠(绿色金融、乡村振兴)领域智能管理

一、案例背景

卫星产业是我国战略新型产业,国家“十四五”规划提出大力推进天地一体化资讯网络建设和加速卫星商业化应用,人民银行《金融科技发展规划(2022-2025年)》中提出在农村金融领域,借助卫星遥感在内的新型感知技术,实现融资需求精准授信,推动农业保险承保理赔电子化、智能化,打造数字绿色服务体系。同时为贯彻党中央“实现碳达峰碳中和目标”以及“全面推进乡村振兴的战略部署”,工商银行发挥大行担当,深入推进“绿色金融、普惠金融”,有效引导全行投融资结构优化调整,发挥大行“头雁引领”作用。

当前工商银行的大型商业信贷项目在信贷管理中存在的“现场调查难、人力成本高、效率待提升,信息不全面”等痛点。(1)项目调查的不便利性。项目选址涉及深山、林地、沙漠、海上等偏远地区,现场定期调查不便,且调研成本较高,调研频率受限。(2)人工全局统计评估困难。由于监控范围较大,人工勘探存在调查信息不全面、审核主观因素较大等痛点。例如铁路公路项目涉及多个道路段,风电项目范围几千公里。(3)国际形势不确定因素带来的影响。存在国际形势等不确定因素无法现场监控,例如受制于疫情影响,境外建设项目无法派遣专业人员前往调查监督。

针对以上业务痛点,工商银行将卫星遥感图像智能识别新技术与业务场景的深度融合,基于开源的深度学习框架PaddlePaddle飞桨,通过其PaddleRS的系列组件,开发地物的分类、识别、变化等深度学习神经网络监控模型,充当遥感数据“解译侠”,自动获取、加工、提取遥感数据信息,形成业务领域价值信息。通过多元化建设风险防控手段,助力风险防控能力自动化、智能化和全面化提升。

二、创新成效

技术方案

方案上,选择人工智能深度学习方案,与传统遥感分析技术相比,深度学习利用深度神经网络模型模拟人脑的多通路信息传递和处理机制,实现输入数据的分层表达和知识推理。通过数据驱动的自主学习,显著降低对先验知识或人工的依赖;同时网络以卷积为基础,通过分层结构组合低级特征形成更抽象的高级特征,可以提取遥感图像内在的丰富语义特征;深度学习网络的多层结构能够从多尺度提取图像信息,具备表征遥感尺度效应的潜力;深度学习网络数以亿计的参数容量,具有强大的?线性关系学习与处理能力、以及对特征的多维表达能力,更好地契合遥感地表的复杂特征。

在工具选择上,综合考虑自主可控、方案完备先进等要素,选择当前在开源生态相对较为完善的飞桨PaddlePaddle框架,Paddle视觉遥感也具备丰富的算法套件和培训教材?档,可高效实现图像的目标检测、语义分割、变化检测等功能,保障模型具备一定泛化能力。同时选择GDAL作为遥感空间数据的处理和格式转换,辅助数据准备工作。

说明图示

paddlepaddle(paddlepaddle框架)

图:模型构建和发布全流程

技术创新

通过应用相关PaddleRS和PaddleCV套件,针对金融场景适配调优,打造了同业识别范围领先的智能遥感识别能力,首批推出工业建设和农业农村卫星遥感采集和监测体系,赋能信贷业务管理,支撑贷前标的调查、贷中风险控制、贷后预估预警全流程。通过在绿色能源、公路基建、建筑工程、农业授信等50余个试点场景综合运用塔吊、桥墩、光伏、风车、建筑物检测、高度测算、面积监控、变化检测等10余个智能识别能力,建立适应性强、准确率高的深度学习模型,能够适应季节、时相、气候、光照等因素造成的卫星影像差异,平均识别准确率可达90%以上。

业务创新

基于开源深度学习框架和视觉套件技术实现的遥感影像智能分析技术,已在50余个场景推广应用,涉及产业园、光伏、风电、矿坑、农业授信等多个绿色信贷场景,以及一带一路沿线公路铁路基建、建筑工程等大型项目。通过定期监测工程建设实时范围、施工面积、公路建设情况、建筑物数量以及建筑用地变化进行实时监控,分析建设进度的变化情况,及时发现风险,为贷后风险预警分析提供依据。共计覆盖超过1000亿商业贷款,有效解决了贷后管理环节调查成本高、频率低、监控不全面、疫情期间出行困难等痛点,较大程度提升了大型融资项目贷后风险管理的客观性与准确性,有力加快智慧信贷步伐,展现了信贷管理智能化、精细化、专业化水平,支撑乡村振兴、普惠金融、绿色金融等相关工作。

三、产业价值

本案例通过应用开源深度学习框架视觉套件,在大数据信用风控领域实现遥感识别能力建设突破,这既是金融数据要素与卫星数据要素融合的突破,也是卫星遥感技术与人工智能技术融合的突破,更是技术和业务融合的突破。充分验证了基于深度学习的遥感影像智能分析技术,在金融行业应用的广泛前景。

工商银行在应用开源技术,融合数据要素,发挥人工智能生产力方面的经验和方案,可供同业进行参考应用。当前遥感数据的企业化运用已具备一定技术和生态基础。同时人工智能技术的进步对海量卫星遥感数据应用带来极大变革,进一步激发了遥感应用创新。金融同业在场景应用上可参考推进加大遥感智能分析识别技术在金融信贷风险防控的应用,在技术上可参考基于PaddleRS开源深度学习框架的遥感影像分析技术,打造定制化的遥感分析识别服务。

本文来源:开源专委会

投稿邮箱:News@bfia.org.cn

网站右侧边栏广告位.jpg
本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 630371849@qq.com 举报,一经查实,本站将立刻删除。
如若转载,请注明出处:https://www.po4.xyz/20558.html