从感知到认知的腾跃 智能GIS技能再晋级-亚洲ca88官方网站

　　近年来，人工智能与GIS的结合越来越遭到业界注重，MapGIS 10.5 IGServer—S智能GIS产品也在人工智能方面取得了技能打破，可认为城市的才智化运营供给决议计划支撑，实现从感知到认知的腾跃。

　　MapGIS智能GIS产品IGServer-S集成了TensorFlow、PyTorch等AI核算环境，供给机器学习开发全流程办理的才能，包括数据办理、模型开发、模型练习、模型办理、服务办理等。开发流程如下所示：

　　跟着AI技能越来越老练，AI+GIS的技能交融在越来越多的实践项目中得到运用，为应对地舆信息职业对深度学习的智能需求，MapGIS 10.5对智能GIS的全流程办理进行了提高。

　　跟着遥感数据搜集分辨率提高，为满意职业数据智能化、自动化解译的开展需求，MapGIS智能GIS产品针对深度学习智能运用算法模型进行优化提高和丰厚。

　　在模型功用提高方面，丰厚了遥感信息提取的特征，支撑多波段、植被指数、DSM等遥感特征；丰厚了语义切割模型支撑的地物，新增对路途、水体、大棚，以及大范围下城中村的支撑。

　　引入了新的网络算法模型：新增土地运用全要素切割模型，对自然资源全要素进行切割（如下方左图所示：0表明布景，1人工用地，2农业用地，3林地，4草地）；新增方针检测网络模型，可以对车辆、棕榈树等地面方针做检测。

　　U-Net是较早的运用全卷积网络进行二分类语义切割的神经网络算法之一，因为其参数少，较简单收敛，对小样本的语义切割作用较好，因而运用较为广泛，但在遥感印象语义切割方面，直接只用原生的算法模型，跟着迭代次数增多，精度较难提高。MapGIS经过自己的调优，增加了Attention gate机制和resNet残差机制对算法进行改善，针对某市的遥感印象数据进行切割，精度提高明显。

　　在机器学习中，样本数据遍及以文件的办法来安排数据集，该文件具有格局多样、文件碎小等特性，为处理海量小文件的存储办理，以及未来云化的需求，MapGIS智能GIS样本数据集办理模块根据MapGIS DataStore分布式方针存储服务（hdfs、Minio等）构建，将海量样本数据集托管到分布式存储中，运用其横向扩展的特性，来存储办理海量的样本小文件数据集。

　　针对云上多用户多模型练习数据集的办理，供给元数据办理才能，经过对数据集扩展描绘，如对数据集增加归属类别、运用场景等运用特点的描绘，在面对成百上千的数据集时能快速有用的检索数据集，使数据集的层次性和逻辑性更强。

　　MapGIS智能GIS产品内置了MapGIS Objects Python空间机器学习开发库，供给了空间机器学习全流程开发相关接口。

　　供给数据集预处理相关接口，首要供给练习数据集制造、样本标准化转化和图画处理增强等功用接口，如格局转化、随机掩码、随机旋转视点和随机噪声等。

　　供给深度学习算法模型练习、转化、猜测等相关接口，首要用于算法模型练习提高精度等开发场景，桌面和移动端模型转化的才能，满意不同渠道间的运用。

　　数据科学便是数据科学家运用数据来辅佐决议计划、处理实践面对的问题，其要想完结杂乱而又繁琐的数据搜集、存储、剖析处理工作，就必须凭借统计学东西和编程言语，比较盛行的有Python、R等言语，传统的数据科学现已运用许多强壮东西和算法，但空间数据处理的办法和东西并不多，MapGIS智能GIS产品承继MapGIS空间地舆方面的优势，为数据科学供给空间数据处理的东西。

　　MapGIS智能GIS产品集成了Jupyter，供给集成化的python开发环境及Notebook东西，为数据科学范畴用户供给强有力的技能东西支撑，首要用于Web端多用户交互式构建原型模型，编写共享模型代码，进行探索性数据剖析协作开发的场景。

　　Notebook集成化开发环境中内置干流TensorFlow、PyTorch、Caffe、Keras深度学习结构，内置MapGIS空间机器学习库，以及NumPy、Scikit-Learning、rasterio、OpenCV、Proj4、Matplotlib等很多的第三方python数据处理、机器学习、数据可视化方面的库，然后不只支撑地舆数据，且支撑视频、文本、图片等多种非地舆数据类型，可用于数据剖析发掘、深度学习、机器学习等以数据为驱动的运用场景，为用户供给快捷的交互式核算规划东西，促进数据科学剖析变得简单。

　　人工智能技能近年来日新月异地开展，与各大范畴技能跨界交融，正逐渐落地到更为广泛的场景中，让我们的出产日子愈加智能。MapGIS将继续加强要害核心技能攻关，以GIS与AI的交融推进空间感知到空间认知的智能化跨过，为城市的才智化运营供给决议计划支撑。