祝贺2023届博士研究生张韬同学斩获腾讯青云计划，阿里星，华为天才少年，蚂蚁星PlanA，字节筋斗云，快手快StarX，美团北斗计划，小红书Redstar，Momenta Mstar，小米顶尖人才等诸多人才计划岗位！这些岗位提供了200万+到400万+年薪。创造了遥感院以及武汉大学应届毕业生年薪记录！
也祝贺2026年毕业的硕士研究生们找到心仪的工作，多位同学取得80万+高薪！
课题组多年来培养了大批测绘遥感、人工智能、计算机视觉相关专业高端人才。目前正在招收2027级入学的优秀研究生，共创未来！
团队长沙调研。午后齐聚橘子洲头。
季顺平教授入选中国知网2025全国高被引学者TOP1%。
课题组论文Opt3DGS: Optimizing 3D Gaussian Splatting with Adaptive Exploration and Curvature-Aware Exploitation被AI顶会AAAI 2026录用。3D高斯泼溅（3DGS）本质是一个类似最小二乘平差的优化问题：估计高斯球的位置、大小、颜色等的最优参数。3DGS优化过程同样会发生陷入局部最优且收敛精度不足的情况。课题组提出Opt3DGS，一种无需修改高斯表示、仅通过改进优化策略即可显著提升重建质量的通用框架，在多个标准数据集上实现当前最优渲染性能。从探索与优化两个维度出发，设计了“自适应探索 + 曲率感知利用”的两阶段优化策略。在探索阶段，引入自适应加权SGLD（AW-SGLD），动态重加权后验分布以降低模式间能量壁垒，增强全局探索能力；在利用阶段，构建了局部拟牛顿方向引导的Adam优化器，利用L…
课题组联合浙江大学，构建了SIU3R框架，通过免对齐的方式实现了对三维场景的同时重建与理解，被AI顶会NeurIPS 2025选为Spotlight。三维重建与场景理解作为三维视觉的两大核心任务，近年来均取得了显著进展。近期学界开始探索将这两个任务结合，实现同时场景理解与三维重建。当前主流方法大多遵循一种2D-到-3D特征对齐的范式，即将预训练2D大模型提取的特征贴到三维场景表示上。这种方法的3D理解能力受限于所依赖的2D模型，而2D特征在对齐过程中通常需要被压缩，导致关键语义信息丢失。团队提出SIU3R，一个无需2D特征对齐的、同时进行场景理解与三维重建的框架。通过统一的可学习查询，让模型直接在三维空间中进行原生理解。这些查询在不同视角和不同理解任务（如语义、实例、全景分割）之间共享，从而端到端地学习多粒度的3D语义。实验证明，SIU3R不仅能在三维重建任务领先其他基于3DGS的方法，而…
课题组论文P2PFormerV2: Improving Primitive-based Regular Building Contour Extraction Methods via Contour Feature Enhancement被一区期刊IEEE TGRS录用。 P2PFormer是课题组2024年开发的先进方法，能够在不依赖复杂后处理的条件下直接获取建筑物的点、线、转角等通用几何基元的位置与顺序。然而，其采用的ROI-Align有固有缺陷，ROI-Align采用均匀采样策略进行特征提取，不可避免地会向提取特征中引入高比例无效采样点，导致建筑物基元的漏检与误判，最终影响建筑物轮廓提取精度。我们提出P2PFormerV2，通过引入轮廓特征增强器改进原始模型。通过提升有效特征采样点比例并强化轮廓感知特征提取能力，显著提升了基元分割精度。实验结果表明，P2PFormerV2在WHU、C…
季顺平教授入选斯坦福大学“全球前2%顶尖科学家榜单（Top 2% scientists）”终身榜和年度榜，且在年度榜中位列前12.4%（Top 0.25%）。
课题组论文Beyond Appearance: Geometric Cues for Robust Video Instance Segmentation 被International Conference of Computer Vision（ICCV）的Workshop接收。该文全面评估了现有视频实例分割（VIS）方法对复杂场景（如遮挡、外观相似）的处理能力，证实了单纯依赖外观特征的局限性。论文提出了三种方式，通过引入深度几何线索显著提高了VIS网络在复杂视频目标上的性能和跟踪连贯性。在OVIS、YouTube-VIS 2019/2021等多个主流VIS基准数据集上的实验一致表明本文方法超越了先进的基线方法，取得了SOTA结果；特别是在处理严重遮挡和身份模糊的挑战性场景时，论文方法展现出更优越的稳健性和跟踪连贯性。祝贺牛泉竹同学！
基于课题组成果Sa2VA的改进方案Segmentation Augmented and Selective Averaged Sa2VA (SaSaSa2VA) 在ICCV 2025 Large-scale Video Object Segmentation (LSVOS) 挑战赛Referring Video Object Segmentation (参考视频目标分割, RVOS) 赛道获得了冠军，且遥遥领先第二名，证明了我们的方法在参考视频目标分割任务上的优越性。我们发现对于RVOS任务Sa2VA的两个主要问题：因采样帧数过低导致视频信息理解不足、单一 [SEG] token 难以传递视频时序信息。为解决以上问题，我们提出了关键帧压缩和增加 [SEG] token 的分割增强方法，并采用了选择性平均的测试增强策略。详见预印版报告: The 1st Solution for 7th LS…
链接
课题组论文Domain Generalization for Semantic Segmentation of Remote Sensing Images via Vision Foundation Model Fine-tuning在顶级期刊ISPRS Journal of Photogrammetry and Remote Sensing发表。该文全面评估了主流VFM在遥感图像分割中的泛化性能，证实VFM优于经典CNN/Transformer骨干网络以及基于此类骨干网的传统域泛化方法；并提出一种新域泛化方法，进一步提高了VFM分割网络在跨域目标上的性能和鲁棒性。该域泛化方法包含两个关键模块，地理空间语义适配器（GeoSA）和批处理风格增强器（BaSA）。GeoSA从预训练的DINO v2中提取鲁棒特征，并生成适用于遥感图像的多尺度特征。BaSA采用批处理数据增强来减少对数据集特定特征的…
2025年8月，课题组参加了在澳大利亚布里斯班举行的IGARSS2025国际会议。在会议上展示了生成式模型在遥感应用中的研究，并探讨了遥感Open vocabulary能力建设。参会的成员包括2只本地的考拉先生（女士？），可惜TA们7点就下班了，遗憾失去密切接触（RUA）的机会。第二天我们在公园发现了一只野生考拉，弥补了遗憾！
祝贺GPCV课题组刚刚毕业的博士生余大文和刘瑾在第一年就获得国家青年基金资助！国家青年基金是青年人才成长必不可少的第一步。项目名称分别是：基于点-线基元解析和高度感知的遥感影像建筑物智能三维建模方法&基于统一成像模型的空天地多源影像通用智能多视立体重建。再加上2023年毕业的魏世清同学也是毕业第一年就拿到国自然青年基金资助！在目前资助率刚刚过10%的情况下实现三连！体现我们课题组以科研为导向的强大实力！（ps：季顺平教授也获得了今年的国家自然基金面上项目资助！）
我们进一步提出CoLVA模型，其创新技术包括：（1）设计细粒度视觉专家模块，结合物体级对比学习，生成实例判别性表征；（2）指令增强策略，提升指令跟随能力。实验显示，CoLVA-InternVL2-4B在MMVM基准上达到49.80%整体准确率，显著超越GPT-4o（+7.15%）和当前最佳开源模型Qwen2VL-72B（+11.72%）。相关代码、基准、数据集和模型将开源发布。祝贺周义康等同学！
课题组招收2025/2026年入学的研究生，共创未来。课题组涵盖摄影测量与遥感、计算机视觉、人工智能、三维重建和建模等各研究方向且均处于前沿，在顶会顶刊（遥感：ISPRS会刊、TGRS；计算机视觉：PAMI、CVPR、ICCV、ECCV；人工智能：NeurIPS、AAAI等等）发表一系列论文；屡获国内外各类科研奖项（如武大唯一CVPR/ICCV挑战赛双冠军、天智杯比赛多个冠军和武汉大学最高竞赛奖励230万元、多个“中国研究生数学建模竞赛”一等奖）。寒暑假正常放假；硕士实习期三个月内；博士实习/出国访问1年内。硬件条件：H100、A6000、4090等专业多卡服务器。项目和科研补助丰厚，2024年发放补助601500。可针对个人兴趣安排制定科研方向。欢迎2025年考研上岸的同学和2026保研同学咨询联系，联系方式：jishunping@whu.edu.cn。
课题组论文"The Combined Effects of Topography and Climate Factors Dominate the Spatiotemporal Evolution of the Ecological Environment in the Yangtze River Economic Belt"近期被环境科学领域期刊《Land Degradation & Development》正式录用发表。该研究创新性地融合遥感监测与地理统计方法，系统评估了2000-2024年长江经济带生态环境质量的时空演变规律。研究发现，研究区整体生态环境质量较高（平均RSEI指数0.68），但呈现显著空间异质性：浙江、江西等东部省份生态质量优良，而云南西北部、四川西南部等高原地区生态较为脆弱。通过地理探测器模型（OPGD）分析表明，地形高程（DEM）、温度（Tem）和人口密度（POP…
课题组论文Open-vocabulary generative vision-language models for creating a large-scale remote sensing change detection dataset被一区Top期刊ISPRS Journal of Photogrammetry and Remote Sensing（IF=10.6）接受。我们将生成式视觉语言模型应用于遥感数据增强领域，构建首个支持25种语义变化方向的大规模高质量生成式变化检测数据集WHU-GCD。数据集在样本规模、类别平衡和标注精度方面均显著优于现有数据集，基于该数据集训练的深度学习模型在二值变化检测(binary change detection, BCD)和语义变化检测(semantic change detection, SCD)任务（即from-to 变化检测任务）中均取得…
课题组论文“Spatial heterogeneity, interaction and multi-scale effects of driving factors of heat island intensity in different urban agglomerations”近期被一区Top期刊Sustainable Cities and Society（IF=10.5）接收。该研究采用遥感和地理统计等先进方法，系统分析了中国长江流域三大城市群（成都-重庆城市群UACC、长江中游城市群UAYZMR、长江三角洲城市群UAYZD）的地表城市热岛（SUHI）的空间异质性及其驱动机制。研究发现，不同城市群SUHI的主导驱动因素存在显著差异：成渝城市群主要受海拔（DEM）和夜间灯光（NL）影响，长江中游城市群主要受植被覆盖（FVC）和海拔调控，而长三角城市群则主要受植被覆盖和夜间灯光驱动。…
季顺平教授担任 “Photogrammetric Engineering & Remote Sensing”副主编。PE&RS是美国摄影测量与遥感学会官方期刊，是遥感界主流SCI刊物。
课题组论文Dvis++: Improved decoupled framework for universal video segmentation近期被顶级期刊IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI)接受。我们提出了用于通用视频分割任务的解耦视频分割框架DVIS，全面涵盖视频实例分割（VIS）、视频语义分割（VSS）和视频全景分割（VPS）。我们将视频分割解耦为三个级联子任务：分割、跟踪和优化。这种解耦设计简单且有效地建模对象的时空表示。针对跟踪和优化，分别构建两个新颖的组件：参考跟踪器和时序优化器。参考跟踪器逐帧跟踪对象，时序优化器基于预对齐的特征建模时空表示。我们还提出一种去噪训练策略并引入对比学习，形成DVIS++。DVIS++能够执行通用和开放词汇的视频分割。我们在包括VIS、VSS…
课题组论文A Novel Shape Guided Transformer Network for Instance Segmentation in Remote Sensing Images近期被期刊IEEE JSTARS发表。在本研究中，我们提出了一种新颖SGTN网络，在实例级别准确提取物体。受自注意力机制的全局上下文建模能力启发，我们提出LSwin，它结合垂直和水平的一维全局自注意力机制，以获得比Swin Transformer更好的遥感图像全局感知能力。为了实现准确的实例掩码分割，我们引入了一个形状引导模块SGM来强调物体边界和形状信息。SGM强调局部细节信息，而LSwin则专注于全局上下文关系，两者的结合实现了出色的RSI实例分割。实验证明LSwin优于流行的ResNet和Swin Transformer编码器。提出的SGTN在两个单类数据集（WHU数据集和BITCC数据集）和一…
课题组论文Online Temporal Fusion for Vectorized Map Construction in Mapless Autonomous Driving近期被期刊IEEE Robotics and Automation Letters发表。为了减少对高清地图的依赖，自动驾驶领域希望利用车载传感器在线生成矢量地图。然而，当前方法局限于处理单帧输入，限制了其在复杂场景中的鲁棒性。为了解决这一问题，我们提出了一种在线地图构建系统，利用长期时间信息来构建一致的矢量地图。该系统高效地将来自现有网络的所有历史道路标记检测结果基于哈希策略融合到一个语义体素地图中。将查找到的可靠体素逐步聚类为道路标记表示。最后，该系统估计道路的几何和拓扑结构，并被规划与控制模块使用。通过在复杂城市环境中进行的实验，证明了该系统可以有效地用于闭环自动驾驶系统。祝贺陈佳港同学！
季顺平教授入选2024“中国知网高被引学者Top1%”。一级学科“测绘科学与技术”共123人入选。
课题组论文“Point Could Mamba: Point Cloud Learning via State Space Model”被人工智能顶级会议AAAI接收。最近，状态空间模型（state space models）表现出强大的全局建模能力和线性计算复杂性。本文将这种架构应用于更高效、更有效地对具有线性计算复杂性的点云数据进行全局建模。首次证明了基于Mamba的点云方法可以优于之前基于变换器或多层感知器（MLP）的方法。为了使Mamba能够更有效地处理三维点云数据，提出了一种新的一致遍历序列化方法，将点云转换为一维点序列，同时确保序列中的相邻点在空间上也是相邻的。Point Cloud Mamba超越了最先进的基于点的方法PointNeXt，并在ScanObjectNN、ModelNet40、ShapeNetPart和S3DIS数据集上实现了新的SOTA性能。祝贺张韬同学！
课题组论文“OMG-LLaVA: Bridging Image-level, Object-level, Pixel-level Reasoning and Understanding”被人工智能顶级会议NeurPIS接收。
当代通用分割方法在像素级图像和视频理解方面性能强大，但缺乏推理能力，无法接受文本指令。相反，具有强大对话和推理能力的多模态大模型（视觉语言模型）缺乏像素级的精细理解能力。本文提出OMG-LLaVA，将像素级视觉理解与推理能力嵌入多模态大模型中。它可以接受各种视觉和文本提示，以实现灵活的用户交互。我们使用通用的分割方法作为视觉编码器，将图像信息、感知先验和视觉提示提供给LLM。LLM理解用户指令，提供文本响应和像素级分割结果。OMG-LLaVA优雅、紧凑地统一了图像级、对象级和像素级的推理和理解，在多个基准测试中与单一方法的性能相当或更优。祝贺张韬同学！
[参考分割（referring segmentation）]
季顺平教授入选斯坦福大学2024年度“全球前2%顶尖科学家榜单（Top 2% scientists）”，在榜单中位列前20%（Top 0.4%）。
祝贺去年6月博士毕业的魏世清同学获得“国家自然基金青年基金”和“博新计划”资助！祝魏世清和今年博士毕业的余大文、刘瑾同学在高校工作顺利！也祝在大厂（大部分）和事业单位（小部分）工作以及海内外读博的硕士毕业的同学们学业和工作顺利！
课题组论文“Improving Video Segmentation via Dynamic Anchor Queries”被计算机视觉顶级会议ECCV2024接收。现代视频分割方法采用对象查询来执行帧间关联，尚未考虑对现实世界中常见的新出现和消失的兴趣对象如何更好地建模。我们提出动态锚查询（DAQ），利用潜在候选对象的特征动态生成锚查询，缩短了锚查询和目标查询之间的转换距离。此外，引入了一种兴趣对象出现和消失的模拟（EDS）策略，不增加任何额外成本。最后，结合DAQ和EDS，提出DVIS-DAQ，在五个主流视频分割基准上实现了最新的最先进（SOTA）性能。祝贺周义康等同学！
课题组论文“SAM-RSIS: progressively adapting SAM with box prompting to remote sensing image instance segmentation”被顶级期刊IEEE TGRS接收。在将预训练的SAM模型引入遥感实例分割之前，应该解决遥感和近景图像之间的域偏移问题。为了解决该问题、释放SAM在RSIS中的潜力，本文提出了一个名为SAM-RSIS的新框架。SAM-RSIS根据遥感数据逐步微调SAM的ViT骨干网络和掩码解码器，并使用目标检测框提示取代手动给定提示。在WHU、WHU-Mix和NWPU数据集上的实验结果证明本文方法优于基于SAM的各种衍生方法，实现了与特定最先进的实例分割方法相当甚至更好的性能。
课题组论文“P2PFormer: A Primitive-to-polygon Method for Regular Building Contour Extraction from Remote Sensing Images”被顶级期刊IEEE TGRS接收。从遥感图像中提取规则建筑物轮廓是一项重大挑战。现有的方法经常难以处理不规则轮廓、圆角和冗余点，因此需要进行后处理来生成规则的多边形建筑轮廓。为了应对这些挑战，我们引入了一种基于通用几何基元的实例分割方法P2PFormer，无需后处理即可生成规则的建筑轮廓。首先对通用几何基元（包括顶点、直线和角等）进行分割，然后预测它们的拓扑顺序，从而直接构建规则的建筑轮廓。实验表明，P2PFormer在WHU、CrowdAI和WHU-Mix数据集上实现了最优性能。
我们访问了中国石油大学（华东），和测绘工程相关的老师和研究员进行了有建设意义的交流。同时领略了美丽的青岛风光！
季顺平教授获评2022-2023学年武汉大学“研究生优秀教学业绩奖”。本年度武汉大学共10位教师入选。
课题组在Top期刊ISPRS Journal of Photogrammetry and Remote Sensing发表论文“From lines to Polygons: Polygonal building contour extraction from High-Resolution remote sensing imagery”。该论文在Transformer框架下，采用线特征作为基本几何单元，完成建筑物特征线的提取，然后，通过学习特征线之间的拓扑关系重建完整的规则建筑物矢量多边形轮廓。祝贺魏世清等同学！
课题组在Top期刊IEEE Transactions on Geoscience and Remote Sensing发表论文“3D building instance extraction from high-resolution remote sensing images and DSM with an end-to-end deep neural network”。该论文从对齐的DSM和DOM出发，利用神经元网络提取建筑物的3D建筑物轮廓，并达到LoD1水平。祝贺余大文同学！
课题组在Top期刊IEEE Transactions on Instrumentation and Measurement发表论文“3D LiDAR-Based Place Recognition Techniques: A Review of the Past 10 Years”。该文为最近10年快速发展的基于3D LiDAR的位置识别技术做了一个全面的回顾。祝贺杜志恒同学！
课题组在International Journal of Remote Sensing发表论文“An interactive method for bridging the gap between deep learning based building contour segmentation and manual annotation”。鉴于当前建筑物自动提取算法尚无法完全取代人工作业的现状，评估并设计了如何采用交互式方法，实现效率与性能的平衡。实验证明本方法相较于手工方法具有明显的效率提升。祝贺田宇同学！
10月2日至6日，课题组一行三人参加了在法国巴黎召开的ICCV2023大会。在大会中，我们介绍了课题组在视频实例分割方向的最新成果。
并祝在欧洲读博的学生们一切顺利！
自古逢秋悲寂寥，我言秋日胜春朝，晴天一鹤排云上，便引诗情到碧霄！
7月初，本年度的博士和硕士同学们顺利毕业，分别奔赴重点高校、事业单位、高科技公司，和继续读博深造，祝大家生活愉快，前程似锦！
课题组论文“Long-Range Correlation Supervision for Land-Cover Classification from Remote Sensing Images”在IEEE TGRS期刊发表。在现代基于深度学习的语义分割方法中，长程依赖被用来补偿标准卷积的固有局部性。然而，在以前的研究中，用注意力机制或Transformer建模的长程依赖是无监督学习的，而不是基于客观事实的明确监督。在本文中，我们提出了一种用于遥感土地覆盖分类（语义分割）的监督型长程相关方法，称为监督长程相关网络（SLCNet），在SLCNet中，共享同一类别的像素被认为是高度相关的，而具有不同类别的像素则不相关，该类别一致性信息用来监督长程信息。例如，相距最远、风格迥异的建筑物特征也将被一致化。我们在三个公共遥感数据集（ISPRS Vaihingen、ISPRS Potsdam和Deep…
课题组论文“Deep learning based multi-view stereo matching and 3D scene reconstruction from oblique aerial images”近期被国际Top期刊ISPRS Journal of Photogrammetry and Remote Sensing发表。这是我们团队近期的重要工作，代表三维智能重建领域的最新成果。在本文中，我们提出了一种3D场景重建框架Deep3D，Deep3D是国际首个基于深度学习的3D场景重建框架，用于从多视（倾斜）航空图像中获得3D Mesh模型。首先对输入传统航摄或倾斜图像执行空中三角测量和视图选择，然后使用提出的Ada-MVS深度学习模型推断每个图像的深度图，在过滤异常值之后，将所有深度图融合成密集的点云。最后，从密集的3D点生成带有纹理的Mesh网格作为最终产品。此外，由于目…
不出所料，课题组视频语义分割成果获得了ICCV 2023的YouTube视频实例分割挑战赛冠军，且遥遥领先第二名。至此，我们同一项成果获得CVPR/ICCV双赛事冠军，为武汉大学首次。最新解决方案详见预印版论文：1st Place Solution for the 5th LSVOS Challenge: Video Instance Segmentation。祝贺张韬同学！
在2023年中国遥感大会上，季顺平教授获得“优秀论文作者”、和“遥感新势力”称号。
课题组论文DVIS: Decoupled Video Instance Segmentation Framework被计算机视觉顶级会议ICCV 接收！Meet you in Paris! BTW，该工作的扩展版在ICCV2023的YouTube视频实例分割挑战赛中遥遥领先第二名，有望获CVPR/ICCV双料冠军！
课题组成果在计算机视觉顶级赛事CVPR2023挑战赛“视频语义全景分割（Wild Challenge VPS Track）”赛道获得冠军。
CVPR是计算机视觉与模式识别领域顶级盛会，随会议一同发布的CVPR系列挑战赛吸引了全球众多顶尖团队参与。团队通过分析当前现有方法存在的问题，即实例分割与目标追踪（对齐）相互纠缠导致性能不佳的缺点，基于Transformer框架提出了DVIS（Decoupled Video Instance Segmentation）方法，设计了实例分割（Segmenter）、目标追踪（Tacker）和全局精化（Refiner）三个相对独立的流程。通过这种解耦的思想，获得了性能的巨大提升。
DVIS不仅仅获得CVPR的VPS挑战赛冠军，还在多个视频实例分割数据集榜单上占据榜首。特别地，在当前最权威且最具挑战性的OVIS（Occluded video instance segmentation）数据集上，牢牢占据第一名的位置超过半年，这在AI技术发展日新月异、视觉大模型层出不穷的今天，实属不易。
2023年度从1000余位学生中评选出的“十大遥感新星”中，课题组余大文同学荣获“科研之星”，罗恒星荣获“奉献之星”，祝贺两位同学！
在第三届“天智杯”人工智能挑战赛中，课题组高建、刘瑾等同学获得“三维重建”科目冠军、周义康等同学获得“道路提取”科目季军；并获得超过百万元科研奖励。祝贺各位同学！
课题组论文“A Diverse Large-Scale Building Dataset and a Novel Plug-and-Play Domain Generalization Method for Building Extraction”被IEEE JSTARS期刊发表。本文建立了一个新的建筑数据集，并提出了一种新的域泛化方法，以促进高分辨率遥感影像建筑物提取研究。我们构建了一个多样化、大规模、高质量的建筑数据集，名为WHU-Mix建筑数据集。训练集包含从世界各地收集的43727张影像，测试集包含来自五大洲其他五个城市的8402张影像以模拟真实世界。本文提出了批处理风格混合（BSM）的域泛化方法，该方法可以作为一个高效的即插即用模块嵌入到建筑提取模型前端，为模型训练提供更广泛的数据分布。实验证实，与现有数据集相比，WHU-Mix将建筑提取模型的性能提高了6-36%mIoU；所提出…
课题组论文“An evaluation of conventional and deep learning based image matching methods on diverse datasets”被期刊Photogrammetry Record发表。本文在近景室内、室外数据集、无人机数据集、卫星影像数据集，全面评估了传统匹配方法和深度学习方法的性能，特别是对特征点提取、特征描述、相似性度量三个步骤不同方法的54种组合进行了性能评估。实验结果表明，第一，不同组合/方法的性能在各个数据集之间差异较大，很难确定最佳组合和最优方法。第二，综合所有数据集上的性能，得到的两个最优组合是： SIFT+ContextDesc+NNDR和原始SIFT方法。第三，对于特征提取，基于深度学习的亚像素SuperPoint提取器仅次于SIFT；对于特征描述， ContextDesc描述符与SIFT描述符同…
课题组论文“ParallelTracker: A Transformer Based Object Tracker for UAV Videos”在期刊Remote Sensing发表。本文设计了一种基于Transformer的无人机视频目标追踪算法，该算法能够以较快的速度收敛，且在UAV视频中的性能超过了经典的OSTrack 和STARK等视频追踪方法。祝贺尉浩然同学。
祝贺余大文同学获得 “华为杯”第十八届中国研究生数学建模竞赛一等奖；该奖项难度极大，武汉大学仅3项一等奖，但已居高校并列首位。
课题组论文“A General Deep Learning Based Framework for 3D Reconstruction from Multi-View Stereo Satellite Images”被Top期刊ISPRS Journal of Photogrammetry and Remote Sensing发表。我们提出了一个基于深度学习的通用框架Sat MVSF，用于从多视光学卫星图像重建三维（3D）地表。该框架包括预处理、多视立体匹配网络（Sat MVSNet）和后处理。我们将所提出的框架与流行的商业软件和开源方法进行了全面比较。在ZY-3三线阵相机WHU-TLC数据集上，所提出的框架在重建精度方面优于所有其他解决方案，在效率方面也优于大多数方法。在具有挑战性的MVS3D数据集（不同时期捕捉的WorldView-3图像）上，所提出的框架也超过了现有的方法，显示了强大…
课题组论文“BuildMapper: A Fully Learnable Framework for Vectorized Building Contour Extraction”被Top期刊ISPRS Journal of Photogrammetry and Remote Sensing发表。由于方法论的困难、建筑结构的多样性和成像条件的不完善，像人类一样描绘建筑物的规则矢量轮廓仍然非常具有挑战性。我们提出了第一个端到端可学习的建筑轮廓提取框架BuildMapper，它可以像人类一样直接有效地绘制建筑多边形。BuildMapper由两个主要组件组成：1）生成初始建筑轮廓的初始化模块；以及2）轮廓演化模块，执行轮廓点的调整和精简。我们还构建了一个大规模建筑数据集WHU Mix（vector）以有利于基于轮廓（contour-based）的建筑提取方法的研究。大量实验验证了BuildMap…
祝贺课题组余大文、闫晶晶同学获得研究生国家奖学金；魏世清同学获得武汉大学学术创新奖二等奖；余大文同学获得学业奖学金一等奖，闫晶晶同学获得学业奖学金二等奖。
课题组季顺平、余大文、魏世清、刘瑾等获中国测绘学会2022年“测绘科学技术奖”二等奖。
季顺平教授入选斯坦福大学2022年度“全球前2%顶尖科学家榜单”。
季顺平教授承担国家基础加强计划173重点项目“天基米级高光谱*研究”课题负责人。
2022年7月，季顺平教授带队和研一和大四的小伙伴们赴美丽多彩的贵州调研。
2022年6月，来自武汉大学、华中科技大学、华中农业大学等高校的物理、哲学、遥感、文学、医学专业的学者受邀参加在农大举办的狮山艺术节沙龙“有没有平行宇宙？”。季顺平教授作了专题汇报，从物理和测绘角度回顾了平行宇宙的历史和背景，介绍了当前主流的几类平行宇宙，以及存在的问题。物理专业的学者也作了类似的硬核报告。而来自影视、哲学、特别是科幻学会的报告则天马行空……
课题组论文“Cross-spatiotemporal land-cover classification from VHR remote sensing images with deep learning based domain adaptation”被Top期刊ISPRS Journal of Photogrammetry and Remote Sensing发表。当前数据驱动的深度学习模型严重依赖训练数据（即源数据）和目标数据（即未标记数据）分布之间的高度相似性。然而，在实践中，这一条件很少得到满足。域自适应旨在缩小样本源数据和不含标签的目标数据之间的域差异，以充分利用历史训练数据，并摆脱连续的手工劳动。我们提出了一种新的用于跨时空分类的域自适应方法。它包括一个图像级自适应阶段，该阶段将源数据和目标数据的外观对齐，并生成目标风格化的源图像，以及一个特征级自适应阶段，该阶段进一步缩小深…
弃我去者，昨日之日不可留。乱我心者，今日之日多烦忧。今朝长风送秋雁，来日相会芦花洲。祝2022毕业的研究生们一路顺风~~
并特别祝贺戴佩玉同学顺利完成学业、通过博士答辩！
课题组论文“Earthquake Crack Detection from Aerial Images Using a Deformable Convolutional Neural Network”被Top期刊IEEE TGRS接受。该文设计了从航空遥感影像提取地震引起的地表破裂的完整流程。包括遥感影像数据预处理，提出一种新颖的深度学习线状地表裂缝分割方法，实例级后处理等等。论文也同时指出这是第一个将深度学习用于地震引起的自然地表同震破裂的研究工作。祝贺余大文同学！
依托武汉大学和天津市测绘研究院公司联合建立的“时空信息技术实验室”，季顺平教授“AI+遥感”方向的科研成果在天津市农村人居环境整治中实现技术落地和推广应用。针对中共中央办公厅、国务院办公厅于2021年12月印发的《农村人居环境整治提升五年行动方案（2021-2025年）》，实验室实现了基于高分辨率影像的固体废弃物自动化识别，结合天津市农村人居环境整治平台，高效率、高精度地助力人居环境整治数字化建设工作。时空信息技术实验室成立于2020年10月，成功入选天津市企业重点实验室，季顺平教授担任实验室副主任。
详见：https://mp.weixin.qq.com/s/cpBJpZw40QHt28rMedd8-w
链接课题组负责人季顺平教授的科研和事迹被武汉大学“珞珈人物”栏目报导：“贵州省科技进步一等奖获得者季顺平：智能遥感技术助力乡村振兴和地灾防范”。报导了在“智能遥感技术助力乡村建设和农业精细化管理、信息化识别与监测平台精准防范地质滑坡灾害、科技创新中融入立德树人和科普推广”等方面所做的一系列工作。
详见：http://news.whu.edu.cn/info/1005/67156.htm
链接课题组论文“E2EC: An End-to-End Contour-based Method for High-Quality High-Speed Instance Segmentation”被计算机视觉顶会IEEE CVPR 2022接受（https://arxiv.org/abs/2203.04074）。该文针对当前contour-based的实例分割中的数个问题提出了解决方案，包括将经验初始化轮廓改进为可学习的初始化外轮廓预测。方法在多个数据集（KITTI INStance (KINS) dataset, the Semantic Boundaries Dataset (SBD), the Cityscapes and the COCO dataset）上取得了最优的性能。祝贺张韬和魏世清同学！微信公众号详见：https://mp.weixin.qq.com/s/h1GbsfKlg…
课题组论文“A Combination of Convolutional and Graph Neural Networks for Regularized Road Surface Extraction”被期刊IEEE TGRS接受。该文利用易获取的道路中心线和图卷积神经元网络，实现道路路面的规则化提取，部分达到人工水平。同时能够修正偏离的中心线。 祝贺闫晶晶同学！
链接今年一月开始，课题组四项国家发明专利被正式授权。包括“一种基于目标中心点估计的两阶段遥感目标检测方法”、“一种基于三维空间-通道注意力机制的遥感影像滑坡自动探测方法”、“一种基于卷积神经网络弱监督学习的遥感影像道路分割方法”、“一种同时提取遥感影像道路路面和中心线的深度学习方法”。
从2018年秋成立GPCV团队，我们走过三年又半。在第四个元旦聚会，我们目标明确，励志笃行，为科学和事业而战。
季顺平教授牵头的“基于遥感影像的滑坡隐患和受威胁房屋智能识别技术”项目成果获2021年度贵州省科学技术进步奖一等奖。获奖团队由武汉大学、贵州省第三测绘院、中国科学院空天信息创新研究院、贵州省地质环境监测院、贵州图智信息技术有限公司共9人组成。贵州省2021年共评定一等奖（含科技进步奖，自然科学奖，发明奖）12项，二等奖28项，三等奖79项。
祝贺余大文同学获得2021年博士研究生国家奖学金,王之卓奖学金；
祝贺王定盼同学获得2021年硕士研究生国家奖学金；
祝贺魏世清同学，余大文同学，王定盼同学获得2021年研究生学业奖学金一等奖； 祝贺耿笑笑同学，罗冲同学，阎晶晶同学，高建同学获得2021年研究生学业奖学金二等奖。
课题组论文“A New Spatial-Oriented Object Detection Framework for Remote Sensing Images”被期刊IEEE TGRS接受。与以往基于深度学习的遥感目标检测研究仅关注于目标的尺度和方向属性不同，我们首次针对遥感影像中目标的空间分布属性，设计和提出了基于目标的边界框生成策略。通过综合考虑遥感影像中目标的空间分布、尺度、方向、形状属性，构建了一个能够有效适应遥感目标特点的两阶段检测网络。祝贺余大文同学！
课题组论文“A concentric loop convolutional neural network for manual delineation level building boundary segmentation from remote sensing images”被期刊IEEE TGRS接受。本文提出了一种直接从遥感图像中自动提取建筑物矢量边缘的同心环卷积神经网络方法，该方法对于改变建筑物标注主要依赖人工的现状具有重要意义。同时，该方法在自然影像目标边缘提取上也表现优异。祝贺魏世清、张韬同学！
课题组论文“Panoramic Visual-Inertial SLAM Tightly Coupled with a Wheel Encoder”被Top期刊“ISPRS Journal of of Photogrammetry and Remote Sensing”接受。这篇文章为促进相关领域发展做出如下贡献：（1）首个为移动测量系统和无人驾驶汽车设计的全景视觉/惯导（IMU）/轮速计（wheel encoder）紧耦合SLAM系统PIW-SLAM。三类数据在图优化联合平差框架下，实现载体和相机定位。（2）一个为轮速计预积分设计的双轮差速模型。（3）通过引入廉价的轮速计，解决VIO初始化中的常见的退化问题。（4）与现有方法相比，唯一一个在各种不利环境下都表现高度稳定的SLAM系统（见视频）。祝贺姜帆、陈佳港同学！
我们录制了一个视频：点击这里查看。
链接课题组成功申请国家自然科学基金面上项目“基于深度学习和多视遥感影像的建筑物精确识别与三维建模”（42171430）。课题组在2D 建筑物提取、立体像对三维重建、建筑物3D建模中具有较好的研究基础。
张永军教授，季顺平教授，张祖勋教授等联合申报的项目“多模态卫星影像一体化摄影测量遥感智能处理技术及应用”获2021年测绘科技进步奖特等奖。
课题组论文“A Learnable Joint Spatial and Spectral Transformation for High Resolution Remote Sensing Image Retrieval”被期刊IEEE JSTARS接受。本文有别于纯Data Augmentation + CNN架构的深度学习检索方法，尝试将带有可learnable参数的物理模型（几何变换模型和色彩变换模型）嵌入深度学习模型，让模型自动去发现最优视角和光照的图像，从而达到提高检索精度的目的。祝贺王雅梦同学，祝她在博士阶段更进一步！
课题组论文“Roof plane segmentation from LiDAR point cloud data using region expansion based L0 gradient minimization and graph cut” 被期刊IEEE JSTARS接受。本文改进了传统的L0梯度最小化方法，将其应用于点云的建筑物屋顶平面提取，效果明显优于其他方法。祝贺王瑄同学，祝他在博士阶段更进一步！
课题组论文“Rational Polynomial Camera Model Warping for Deep Learning Based Satellite Multi-View Stereo Matching”被计算机视觉顶级会议ICCV 2021接受。该文在国际上首次提出一种PRC参数的严格warping方法，保证了当前SOTA的深度学习立体匹配方法可以被直接应用到基于立体/多视卫星影像的匹配中，具有很好的理论意义和应用价值。（In this work, we propose, for the first time, a rigorous RPC warping model. The rational polynomial coefficients are recorded as a tensor, and the RPC warping is formulated as a se…
论文《摄影测量与深度学习》获“2019年中国精品科技期刊顶尖学术论文（F5000）”。
论文《遥感影像建筑物提取的卷积神经元网络与开源数据集方法》获“2021年度‘易智瑞’杯《测绘学报》优秀论文”。
祝贺余大文同学获得2020年博士研究生国家奖学金，光华奖学金；
祝贺王雅梦同学获得2020年硕士研究生国家奖学金，“优秀学业奖学金”一等奖；
祝贺魏瑶同学获得2020年“武汉大学优秀研究生”称号；
5月10日，季顺平教授在武汉大学测绘遥感国家重点室参与“三点一刻”讨论会并作“基于深度学习的航空多视影像密集匹配与建筑物三维建模”报告。
5月27日，季顺平教授赴南昌参与第十二届“中国卫星导航学术年会（北斗年会）”并作“智能时代的定位导航与天空地遥感”会议报告。
6月1~3日，陈佳港、曾畅同学赴西安参加IEEE ICRA 2021国际会议。
课题组5月杭州调研
(1) 课题组论文“Scribble-based Weakly Supervised Deep Learning for Road Surface Extraction from Remote Sensing Images”被期刊IEEE TGRS接受。In this paper, we propose a scribble-based weakly supervised road surface extraction method named ScRoadExtractor, which learns from easily accessible scribbles such as centerlines instead of densely annotated road surface ground-truths. 祝贺魏瑶同学！
(2) 课题组论文“Graph Convolutional Networks for the Automated Production of Building Vector Maps from Aerial Images”被期刊IEEE TGRS接受。In this study, we aim to find a way to replace human delineation with automated algorithms. For this purpose, we designed a novel pipeline for the automated production of building vector maps from aerial images, which consists of a bounding-box generation module, a graph co…
(3) 课题组论文“Multi‐Scale Attentive Aggregation for LiDAR Point Cloud Segmentation”被期刊Remote Sensing接受。In this paper, we propose a Multi‐Scale Attentive Aggregation Network (MSAAN) to achieve the global consistency of point cloud feature representation and super segmentation performance. 祝贺耿笑笑等同学！
The third Christmas of GPCV! We enjoyed food, music, a movie, lottery draw, and, of cause, the year-end bonuses! New goals of 2021 were set, let's move on!
祝贺王定盼，胡明阳，赵琳盈等同学获得第二届天智杯人工智能挑战赛“地物要素变化检测与分类”科目亚军（变化检测分项冠军）。
祝贺知卓班邹孟杰同学（中间）获得第四届高分无人飞行器智能感知技术竞赛三等奖！
祝贺余大文同学获得2019年“宏图创展”研究生奖学金2万元！，整个武汉大学的仅有1个研究生一等奖名额。
我们在Top期刊“ISPRS Journal of Photogrammetry and Remote Sensing”发表了论文“Automatic 3D building reconstruction from multi-view aerial images with deep learning”。这篇文章首次将深度学习技术应用于从多视航空影像中完整重建建筑物三维模型，取得了很好的效果。能够自动重建的建筑物（达到人类绘制水平）比其他方法至少高出50%，是该领域一个较大的进展，被审稿人评价为：Clearly set new standards for the task of automatic 3D LOD1 building model extraction。祝贺余大文等同学！
.jpg)
课题组福建调研。
课题组论文“Gated Convolutional Networks for Cloud Removal From Bi-Temporal Remote Sensing Images”在期刊remote sensing发表。该文展示了门限卷积在云修复中的作用。通过门限卷积，深度学习算法可以合理地区分云区和非云区，与传统卷积（无法区分云区无效像素和干净像素）相比，具有明显的优势。
8.25日，季顺平教授受“天津测绘院”以及“天津市卫星工程中心”邀请，在天津测绘院作了“测绘遥感学科的人工智能方法”的特邀报告。与参会者分享了课题组在人工智能在摄影测量和遥感图像处理中的一些工作。
课题组论文Generative adversarial network-based full-space domain adaptation for land cover classification from multiple source remote sensing images被期刊IEEE TGRS接收。本文首次提出一种全域（包含图像域、特征域、输出域）迁移的GAN方法。在多源图像分类中极大提升了现有GAN方法的性能。
课题组论文3D Convolutional Neural Networks for Crop Classification with Multi-Temporal Remote Sensing Images被ESI评为高被引论文。
课题组论文“Simultaneous Cloud Detection and Removal From Bitemporal Remote Sensing Images Using Cascade Convolutional Neural Networks”被Top期刊IEEE TGRS发表。该文研究了利用卷积神经元网络实现一体化的遥感影像云检测和云修复，首次将云检测和云修复两类任务统一到一个完整的框架下，效果明显优于State-of-the-arts。祝贺戴佩玉同学！
课题组论文“Simultaneous Road Surface and Centerline Extraction From Large-Scale Remote Sensing Images Using CNN-Based Segmentation and Tracing”被Top期刊IEEE TGRS发表。该文研究了如何从遥感影像中同时提取道路的分割路面和拓扑网。相对于以前的仅做分割的深度学校方法，连通性提升了40%。方法的稳定性也在全球40个城市数据集中得到验证。祝贺魏瑶和张凯同学！
课题组论文“Evaluating generative adversarial networks based image-level domain transfer on multi-source remote sensing image segmentation and object detection”被期刊International Journal of Remote Sensing发表。该文首次较全面评价了基于GAN的图像级域自适应方法在遥感图像分割和目标检测中的应用，并指出了该方法的不足。祝贺罗牧莹和李雪同学！
课题组论文“Landslide detection from an open satellite imagery and digital elevation model dataset using attention boosted convolutional neural networks”被地灾领域Top期刊Landslides发表。该文研究了从卫星影像中自动识别和检测地质滑坡的深度学习方法。通过滑坡重灾区贵州省毕节市的实验，验证了本文方法的可行性。同时该市的地址滑坡数据集已经在课题组数据仓库开源。祝贺余大文同学！
课题组论文“A Novel Recurrent Encoder-Decoder Structure for Large-Scale Multi-view Stereo Reconstruction from An Open Aerial Dataset” (https://arxiv.org/abs/2003.00637)被计算机视觉领域Top会议CVPR接受。该文提出了一种基于循环编码-解码结构，实现了多视影像的高精度快速匹配和三维重建，其精度超过最先进的深度学习方法和基于传统方法的商业软件。同时多视/双目密集匹配数据集在课题组数据仓库开源。祝贺刘瑾同学！
链接
课题组论文“Panoramic SLAM from a Multiple Fisheye Camera Rig”被摄影测量与遥感领域Top期刊“ISPRS Journal of Photogrammetry and Remote Sensing”接收。该文发展一种针对全景相机和多相机组合的SLAM方法，可应用于测绘中的移动测图系统，以及全景头盔等装置。填补了国际相关研究空白。
课题组论文“Densely-Connected Convolutional Neural Network for RGB-NIR image matching”被期刊remote sensing接收。该文研究了一种基于CNN的近红外与可见光影像的匹配方法，精度远超传统方法，且超过最新的深度学习方法。
课题组论文“Attention boosted bilinear pooling for remote sensing image retrieval”被期刊International Journal of Remote Sensing接收。该文提出一种注意力机制增强的双线性pooling方法，用于遥感影像检索。在各个公开的large-scale开源遥感影像检索数据集中，表现均优于full connected layer, BoW等pooling或encoding方法。
课题组论文“Towards automatic building polygon delineation from aerial images using CNN and regularization”被IEEE TRGS接收。该文研究如何从遥感影像中自动提取具有人类绘制水平的规则化建筑物多边形。该文被审稿人誉为：Astonishing work, is really interesting for the opportunity to automatically detect buildings, reducing dramatically manual works and contribute to urban dynamic monitoring.
课题组海南调研：沿海兴趣目标的提取和变化检测。
课题组论文“Learning discriminative spatiotemporal features for precise crop classification from multi-temporal satellite images”被期刊International Journal of Remote Sensing接收。
课题组论文2019年5月在International Journal of Remote Sensing 正式发表的论文“A scale robust convolutional neural network for automatic building extraction from aerial and satellite imagery”被入选ESI高引论文。
6月28日至7月3日，课题组一行四人赴日本横滨参加IGRASS会议。共有来自64个国家的科研工作者参加，令和天皇、文部省省长和科学院院长分别为会议开幕致辞。课题组成员和领域相关的学者做了交流，特别是关于智能方法在遥感图像处理中的应用。
祝贺课题组发表于IEEE TRGS的论文Fully Convolutional Networks for Multisource Building Extraction From an Open Aerial and Satellite Imagery Data Set 被Web of Science选为2019年ESI高引论文！（注：根据对应领域和出版年中的高引用阈值，到 三月/四月 2019 为止，本高引论文受到引用的次数已将其归入其学术领域中最优秀的 1% 之列。）
祝贺刘瑾同学获得“湖北省大学优秀科研成果奖”二等奖！获奖题目为“航空遥感影像的深度学习密集匹配方法”。
祝贺陈佳港同学的本科毕业论文“复杂环境下的鲁棒全景SLAM算法”被评为武汉大学优秀毕业论文！
2019年夏，我们即将送别2017级专业硕士和2016级学位硕士。沈彦雲（左一）即将去中电科第十研究所工作（成都）；张驰（左二）将去华为研究所工作（武汉）；田思琦（左三）回天津老家当公务员；（中间是穿海贼王T恤的导师）；秦梓杰（右二）去中山大学读博；魏世清（右一）留在组内继续读博。 愿各位在以后的学习和生活中，回想起当年读研究生之时光，唇边仍带微笑，心中尚留温暖。
6月10日和6月11日，季顺平教授分别在“微波目标特性测量与遥感国际高端论坛”（浙江德清）和北京航天宏图公司（北京）分别作了“测绘遥感的人工智能时代——天空地工程应用”的报告。和各位同行分享和探讨了人工智能对测绘遥感专业的理论促进、实践应用和当前局限。
● 课题组论文：Grid based Spherical CNN for Object Detection from Panoramic Images被期刊“Sensors”6月6日接收。该文首次将球面卷积（而非传统平面卷积）应用于全景影像的目标识别。
● 课题组论文Building Instance Change Detection from Large-Scale Aerial Images using Convolutional Neural Networks and Simulated Samples被期刊“Remote sensing”6月2日接收并发表，该文利用串联的分割网络和变化检测网络实现了高精度建筑物单体（而非像素级）变化检测，性能远超同类方法。
● CNN based Dense matching for aerial remote sensing images由Photogrammetric engineering and remote sensing期刊6月份正式刊出，该文表明深度学习方法有可能击败传统的密集匹配方法、并可能进一步改变商业软件基于经典方法的现状。
5.18日，季顺平教授受“重大地质灾害早期识别与监测预警专题讨论会”以及“地质灾害防治与地质环境保护国家重点实验室”邀请，在成都理工大学作了“遥感智能化应用与地灾早期识别”的特邀报告。与与会者分享了课题组在人工智能在光学遥感特别是地灾识别中的一些工作。
4月28日，课题组开发了一套针对全景影像的全自动SLAM系统。这是国际上首个面向测绘行业地面移动测图系统（mobile mapping system, MMS）SLAM框架。能够很好实现全景相机的自动定位与地图构建功能，并达到了极高的定位精度而无需借助昂贵的GNSS/INS组合导航系统。可作为GNSS/IMU系统（特别是在信号失锁时）的有益而关键的补充；也有希望逐步取代GNSS/INS并改变行业规则。此外，本系统同样可作用于室内可控场景的单镜头鱼眼相机、多相机组合、或全景相机的自动化SLAM。
目前，课题组已经与中国测绘科学研究院、天津测绘院、武汉测绘院、贵州省测绘院等多家单位进行合作，希望这一领先成果尽早落地。 论文即将发表，我们录制了一个视频：点击这里。
链接课题组论文“Detecting large-scale urban land cover changes from very high resolution remote sensing images using CNN based classification”在SCI期刊ISRPS Int. J. Geo-Inf上发表。这篇论文同时也是课题组与武汉市测绘院合作项目“武汉市土地覆盖年度GIS数据库更新”的一个总结。本文提出了一种基于深度学习的方法，能够自动探测覆盖全武汉市8000平方公里的高分辨率卫星图像和航空图像上的变化区域。并将变化区域推送给作业员，极大减少作业员人工工作量；并辅助作业员发现那些人工判读容易出错或遗漏的区域。2018年武汉市土地覆盖更新项目已经圆满完成。武汉测绘院拟将继续采用我们的系统辅助武汉市2019年土地覆盖GIS图的更新。
2019年4月13日，课题组全员赴昆明考察基础测绘项目，并与昆明市自然资源局同行做密切交流。在学习交流的同时，我们也领略了云南的美丽自然风光。希望测绘与遥感学科将在生态保护、自然资源维持、古建筑高精度数字化等方面做出更多的贡献。
2019年3月24日，课题组与贵州测绘院、地质灾害防治与地质环境保护国家重点实验室同行赶赴贵州织金县实地调查潜在的地质滑坡。贵州是地质灾害最为严重的省份之一，几乎每年都有人因地质滑坡而死亡。课题组利用人工智能方法从遥感影像自动发现潜在的滑坡；然后由地质灾害防治与地质环境保护国家重点实验室通过形态学进一步目视判读；最后赴现场调查。我们希望通过人工智能方法，发现潜在风险、建立较完备的地质滑坡数据库，为后继监测和财产生命安全做出贡献。
2019年3月22日，季顺平教授在武汉华为研究所作了“智能遥感时代的建筑物识别与建模”的报告。签署了“基于深度学习的航空多视影像建筑物自动提取与三维建模”合作协议。并与华为无线、华为黎曼实验室达成多方面合作意向。
课题组论文“遥感影像建筑物提取的卷积神经元网络与开源数据集方法”、“基于深度学习的航空遥感影像密集匹配”“CNN based Dense matching for aerial remote sensing images”分别被测绘学报和美国摄影测量学会会刊“Photogrammetric engineering and remote sensing”接受。这些研究是课题组在遥感影像建筑物提取、密集匹配与三维重建上的新进展。
2018年12月24-26日，中国土地学会学术年会在云南省昆明市召开。季顺平教授作了“基于人工智能和深度学习的高分辨率遥感影像土地利用变化检测”的主题报告，与参会同行分享了课题组的近期研究。
12月23日，课题组迎来了第一个“圣诞”。无谓缅怀过去，远方群星闪耀，让我们满怀希望和梦想前进！
2018年11月初，课题组全体成员赴重庆成都两地调研，并与重庆市勘测设计院达成初步合作意向。
祝贺：张驰、余大文获得2017~2018研究生国家奖学金；王雅梦、刘瑾、张志力、姜帆获得武汉大学研究生新生奖学金！
● 课题组的论文“A scale robust convolutional neural network for automatic building extraction from aerial and satellite imagery”被老牌国际遥感期刊“International Journal of Remote Sensing”接收。至此我们上半年已发表5篇SCI期刊。 （September 10, 2018）
● The photo wall has been updated with new pictures captured from Prague/Dresden (July 2016), Stuttgart/Heidelberg (August 2017) and Milan/Riva (June 2018) when our group had meetings there. Please click “Members” bar. （August 10, 2018）
● 课题组编辑并开源了国际上首套含有卫星影像数据源的建筑物数据集（WHU Building Dataset）。与现有两个开源建筑物数据集（Massachusetts、Inria）相比，WHU数据集具有更大的覆盖范围（1000平方公里）、更多的标签类型（矢量、栅格）、更高的精度（IoU高15~30%）、更多的应用潜力（单体分割、变化检测）。相关成果和具体细节即将在领域top期刊IEEE Transactions on Geoscience and Remote Sensing上发表。如果说深度学习是智能时代的引擎，那么高质量的标签数据集就是智能时代的燃料。我们开源这套数据集，期望能够将建筑物提取这个历时30余年但进展缓慢的研究课题推进一步；并期待未来有更多种类的遥感开源数据集推动遥感分类、解译、时序分析的发展乃至整个遥感学科的蓬勃发展。感谢一年级硕士研究生魏世清同学，在数据集准备、论文方法和…
课题组共同学习MIT泰格马克教授的最新力作：《生命3.0》。站在智能时代的路口，作为智能革命的参与者，需要在更广泛的意义上、更全面地思考我们的现在和未来。
2018年6月2日~6月9日，课题组一行三人赴意大利加尔达湖滨市参加ISPRS TCII会议，并在主会场做关于“deep learning based methods on stereo matching of aerial images”的口头报告。
2018年5月，课题组全体人员赴湖南各地测绘单位短暂访问交流，并召开第二次“课题组前瞻与愿景”会议。
感谢本科生余大文同学在毕业设计的过程中主力完成横向项目《全景影像匹配与定位技术》，并合作发表SCI论文“Template Matching for Wide-Baseline Panoramic Images from a Vehicle-Borne Multi-Camera Rig”。祝他在研究生学习中更加进步！
恭喜本科生刘瑾同学在ISPRS TCII上的论文“Evaluation of Deep Learning Based Stereo Matching methods:From Ground To Aerial Images”入选口头报告！受学院部分资助赴意大利Riva del Garda做报告。