欢迎访问
GIS+AI:地理人工智能应用或将迎来井喷
2020-05-26 来源:凤凰网
948

随着新一轮科技革命和产业变革的加速演进,以人工智能为代表的新一代信息技术正在为越来越多的行业注入新的动能。

然而,在实际业务场景中,人工智能往往只是其中的一环,它需要与已有的技术进行结合,才能发挥最大价值。这就涉及到不同应用环境的整合和切换。同时,并不是每个人都熟知人工智能艰涩的底层原理和复杂的网络实现方式。这些无疑为人工智能的应用落地,筑起了高高的门槛。

是否可以快捷高效地一站式部署人工智能的能力,无需在不同的应用环境中反复切换,而且入口多样化,简单易上手?全球空间分析领域的知名企业Esri在今年推出的全新产品ArcGIS 10.8中,在解决这些问题方面为其用户交出了一份满意的答卷。

最新发布的ArcGIS 10.8,在深度学习能力方面做出了重大提升,旨在通过“GIS+AI”的新模式,进一步提升用户对空间数据的洞察力,让地理人工智能为业务注入新的动能。

众所周知,深度学习与GIS结合主要在计算机视觉领域。GIS中有大量卫星、航空航天、无人机图像,利用深度学习可以完成如图像分类、对象检测、语义分割和实例分割等许多计算机视觉任务。这些任务在GIS中有很多对应的应用场景。比如,对遥感影像等进行分类,从卫星或无人机影像中识别特定对象,进行土地使用分类或道路提取等。如此一来,计算机就真的如我们人类的“超级眼睛”一般,可以帮助我们去完成许多艰巨的工作任务。可以预见,由此地理人工智能的相关应用必将迈入新的台阶,呈井喷之势。

就像斯坦福教授李飞飞曾在TED演讲中畅想的那样:“当机器可以‘看到’时,医生和护士会获得一双额外的、不知疲倦的眼睛,帮他们诊断病情、照顾病人;汽车可以在道路上行驶得更智能、更安全。我们会发现新的物种、更好的材料,还可以在机器的帮助下探索从未见过的前沿地带。”

下面,我们就来看看ArcGIS 10.8具体在哪些方面进行了提升:

内置大量深度学习模型,支持丰富的应用场景

在ArcGIS 10.8中,新增支持6个深度学习模型,分别是目标检测模型SSD和RetinaNet,像素分类模型UNet和PSPNet,图像分类模型Feature Classifier,以及实例分割模型MaskRCNN,全面覆盖4大场景。

 深度学习全流程支撑,无需切换工作环境

深度学习典型的三大工作过程为:样本准备、模型训练以及训练后的推理与分析。

ArcGIS在早前版本中,就推出了深度学习工具箱,提供样本标注、样本导出以及推理分析等系列工具。随着新版本发布,ArcGIS全新内置了大量丰富的模型,使得ArcGIS实现了深度学习的全流程支持,在ArcGIS环境中即可完成深度学习完整工作过程,无需切换到其他环境中。

  多种入口,即拿即用

ArcGIS的深度学习能力是通过GP工具或接口形式提供给用户,它将深度学习复杂的网络实现进行了封装,只暴露必要的参数,并以工具或接口的方式,内置在ArcGIS多个产品中。用户无需了解艰涩的深度学习底层原理,可以像使用其它工具一样使用深度学习技术,即拿即用,且简单易用,极大降低了使用门槛。

 强大的后处理与分析能力,完整支撑应用闭环

ArcGIS在前期的数据管理和预处理,如基于镶嵌数据集的大规模影像数据的管理和样本数据采集、编辑和预处理,以及深度学习结果出来之后的后处理和分析方面,拥有天然的优势。

ArcGIS庞大的空间分析工具箱就像一座宝库,其中有超过1200种工具可供用户选择,如众数滤波工具可以移除误分类的像元,边界清理工具可以对区域进行平滑处理,Nibble工具去除小区域……这些工具结合Model Builder强大的建模能力,就可以打造出一套深度学习数据后处理和分析的专用工具箱,让深度学习的结果与业务数据相结合进行进一步的空间分析,并借助ArcGIS平台已有的各种即拿即用的应用程序快速搭建应用,将分析的结果在组织内进行分享,让数据最大化地产生价值。

6月17-19日,由易智瑞公司主办的“2020 ArcGIS空间信息技术开发者大会”将以线上直播的形式举行。届时,ArcGIS 10.8将正式亮相。与此同时,将有专题讲座深度剖析ArcGIS平台在深度学习方面的重大提升。




Baidu
map