方便快捷的MapGIS转shape批量转换工具

从感知到认知的飞跃 智能GIS技术再升级

31 12月
作者:map2shp|分类:行业动态|标签:MapGIS 人工智能 地图服务

近年来,人工智能与GIS的结合越来越受到业界重视,MapGIS 10.5 IGServer—S智能GIS产品也在人工智能方面取得了技术突破,可以为城市的智慧化运营提供决策支持,实现从感知到认知的飞跃。

MapGIS智能GIS产品IGServer-S集成了TensorFlow、PyTorch等AI计算环境,提供机器学习开发全流程管理的能力,包含数据管理、模型开发、模型训练、模型管理、服务管理等。开发流程如下所示:

随着AI技术越来越成熟,“AI+GIS”的技术融合在越来越多的实际项目中得到应用,为应对地理信息行业对深度学习的智能需求,MapGIS 10.5对智能GIS的全流程管理进行了提升。

遥感影像空间信息提取能力增强

随着遥感数据采集分辨率提升,为满足行业数据智能化、自动化解译的发展需要,MapGIS智能GIS产品针对深度学习智能应用算法模型进行优化提升和丰富。

在模型功能提升方面,丰富了遥感信息提取的特征,支持多波段、植被指数、DSM等遥感特征;丰富了语义分割模型支持的地物,新增对道路、水体、大棚,以及大范围下城中村的支持。

引入了新的网络算法模型:新增土地利用全要素分割模型,对自然资源全要素进行分割(如下方左图所示:0表示背景,1人工用地,2农业用地,3林地,4草地);新增对象检测网络模型,能够对车辆、棕榈树等地面目标做检测。

U-Net是较早的使用全卷积网络进行二分类语义分割的神经网络算法之一,由于其参数少,较容易收敛,对小样本的语义分割效果较好,因此应用较为广泛,但在遥感影像语义分割方面,直接只用原生的算法模型,随着迭代次数增多,精度较难提升。MapGIS经过自己的调优,添加了Attention gate机制和resNet残差机制对算法进行改进,针对某市的遥感影像数据进行分割,精度提升显著。

原图[左]、改进前[中]、改进后[右]

提升数据管理能力

在机器学习中,样本数据普遍以文件的方式来组织数据集,该文件具有格式多样、文件碎小等特性,为解决海量小文件的存储管理,以及未来云化的需要,MapGIS智能GIS样本数据集管理模块基于MapGIS DataStore分布式对象存储服务(hdfs、Minio等)构建,将海量样本数据集托管到分布式存储中,利用其横向扩展的特性,来存储管理海量的样本小文件数据集。

针对云上多用户多模型训练数据集的管理,提供元数据管理能力,通过对数据集扩展描述,如对数据集添加归属类别、使用场景等应用属性的描述,在面对成百上千的数据集时能快速有效的检索数据集,使数据集的层次性和逻辑性更强。

提供python的二次开发能力

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

提供数据集预处理相关接口,主要提供训练数据集制作、样本标准化转换和图像处理增强等功能接口,如格式转换、随机掩码、随机旋转角度和随机噪声等。

提供丰富的深度学习算法模型,主要提供常规的主干网络模型alexnet、densenet、googlenet、inception、mnasnet、resnet、shufflenet、squeezenet、vgg等神经网络模型,提供原生和调优的classify、unet、fasterrcnn、maskrcnn等模型。

提供深度学习算法模型训练、转换、预测等相关接口,主要用于算法模型训练提升精度等开发场景,桌面和移动端模型转换的能力,满足不同平台间的应用。

提供数据科学能力

数据科学就是数据科学家利用数据来辅助决策、解决实际面临的问题,其要想完成复杂而又繁琐的数据收集、存储、分析处理工作,就必须借助统计学工具和编程语言,比较流行的有Python、R等语言,传统的数据科学已经应用许多强大工具和算法,但空间数据处理的方法和工具并不多,MapGIS智能GIS产品继承MapGIS空间地理方面的优势,为数据科学提供空间数据处理的工具。

MapGIS智能GIS产品集成了Jupyter,提供集成化的python开发环境及Notebook工具,为数据科学领域用户提供强有力的技术工具支撑,主要用于Web端多用户交互式构建原型模型,编写分享模型代码,进行探索性数据分析协作开发的场景。

Notebook集成化开发环境中内置主流TensorFlow、PyTorch、Caffe、Keras深度学习框架,内置MapGIS空间机器学习库,以及NumPy、Scikit-Learning、rasterio、OpenCV、Proj4、Matplotlib等大量的第三方python数据处理、机器学习、数据可视化方面的库,从而不仅支持地理数据,且支持视频、文本、图片等多种非地理数据类型,可用于数据分析挖掘、深度学习、机器学习等以数据为驱动的应用场景,为用户提供便捷的交互式计算设计工具,促使数据科学分析变得容易。

人工智能技术近年来突飞猛进地发展,与各大领域技术跨界融合,正逐步落地到更为广泛的场景中,让我们的生产生活更加智能。MapGIS将继续加强关键核心技术攻关,以GIS与AI的融合推动空间感知到空间认知的智能化跨越,为城市的智慧化运营提供决策支持。

浏览497 评论0
返回
目录
返回
首页
如何在ARCGIS软件中调用天地图服务 三维GIS技术,六大新进展