Deep learning flödar i ArcGIS utan hinder

  • Deep learning i ArcGIS

Teknik

Deep learning flödar i ArcGIS utan hinder

Med ArcGIS kan du inte bara utföra själva deep learning-fasen med träning och användande av datamodeller. Du kan även genomföra stegen innan med datainsamling och förberedelser, såväl som de efterföljande steg där resultatet analyseras, slutsatser dras och beslut fattas. Utan att behöva lämna ArcGIS gränssnitt.

Deep learning, djupinlärning, är en teknik inom det bredare AI, artificiell intelligens. Inom ArcGIS används deep learning framför allt för att automatisera processer för att hantera, visualisera och analysera stora mängder rasterdata och rörliga bilder.

Här går jag steg för steg igenom arbetsflödet för deep learning i ArcGIS. Steg 2–5 är direkt relaterade till att skapa din deep learning-modell men alla steg sker alltså inom ArcGIS.

Arbetsflödet med deep learning i ArcGIS

Hela arbetsflödet för deep learning äger rum i ArcGIS.

1. Datainsamling

Börja med att samla in eller samla ihop de bilddata som modellen ska träna på.

2. Skapa data att träna ifrån

Välj ut ett representativt geografiskt område som innehåller tillräckligt mycket data av den typ du vill att modellen ska kunna känna igen när den är färdigtränad och ska hitta motsvarande information på andra platser.

Sätt etiketter på de data du vill att modellen ska lära sig att känna igen, till exempel Oskadad fastighet, Demolerad fastighet. Du sparar mycket tid genom att använda verktyget Create Training Dataset som finns i ArcGIS Pro, eller genom att använda ett befintligt geoobjektlager som korrekt definierar de egenskaper du vill träna.

Definiering av bilder med deep learning i ArcGIS

Oskadad respektive demolerad fastighet.

3. Exportera träningsdata (”chips”)

Exportera ut dina etiketterade träningsdata till så kallade bildchips. Tänk på att lägga till en buffert som inte är för stor eller för liten så du får med rätt bildinformation.

Bildchips i ArcGIS inom deep learning

Så här kan en uppsättning bildchips se ut.

4. Träna modellen

Nu har du underlaget du behöver för att börja träna modellen. Träningen genomför du smidigt med ArcGIS Notebooks, skapad bland annat för det här syftet och därför också fullproppad med nödvändiga bibliotek för deep learning. Du kan även använda verktyget Train Deep Learning Model direkt i ArcGIS Pro.

Upprepa träningen tills du har fått ett tillräckligt bra resultat, det vill säga tills modellen själv kan identifiera dina totala bilddataset och sätta rätt etikett på rätt objekt.

5. Använd modellen

När modellen är färdig har du fått ett verktyg för att automatisera identifiering och klassning av objekt. Använd till exempel verktyget Detect Objects Using Deep Learning.

6. Analysera resultatet

Nu har du fått ett resultat. Arbeta vidare med resultatet med lämplig typ av analys.

7. Dela resultatet, fatta beslut, agera

När analyserna är klara kan du använda dem i inventeringsflöden i fält, dela dem till olika intressenter, visualisera i en dashboard eller på andra sätt låta slutsatserna bidra till nya insikter och bättre beslut.

Spana gärna in den här grundliga genomgången över hela flödet:

Om skribenten: Vadym Sokol - GIS Solution Architect

Med en bakgrund som civilingenjör inom ekologi och fjärranalys, med ett intresse för innovation är det inte konstigt att Vadym Sokol idag brinner lite extra för drönartekniken och den aktuella och högkvalitativa information som kan samlas in från högre höjder och större avstånd. Med eller utan drönare utgår all data i de fjärranalyser och GIS-lösningar Vadym hjälper Esri Sveriges kunder att ta fram, från uppdaterade data. Det ger kvalitativa resultat som gör det enklare att fatta bättre beslut.

Relaterade inlägg

ArcGIS-bloggen

Prenumerera på vårt nyhetsbrev