近些年來(lái),伴隨著類神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)發(fā)掘、物聯(lián)網(wǎng)技術(shù)、大數(shù)據(jù)剖析、人工智能與深度學(xué)習(xí)的技術(shù)持續(xù)的發(fā)展與加強(qiáng),很多智能化系統(tǒng)的方式 可用以數(shù)據(jù)剖析。GIS做為一門創(chuàng)新教育的技術(shù)性,怎樣通過(guò)這種智能化系統(tǒng)的方法,剖析空間和時(shí)間的變化,處理過(guò)去比較艱難的難題,或是拓展大量的概率,是十分關(guān)鍵的。人工智能在計(jì)算機(jī)視覺(jué),自然語(yǔ)言理解解決和翻譯機(jī)器等每日任務(wù)中,乃至超出了人們的精確性。人工智能(AI)和GIS的交叉已經(jīng)在造就之前沒(méi)法保持的很多機(jī)遇。人工智能,深度學(xué)習(xí)和深度學(xué)習(xí)已經(jīng)在協(xié)助人們借助智能農(nóng)業(yè)提升農(nóng)作物生產(chǎn)量,借助布署預(yù)測(cè)性公安實(shí)體模型來(lái)打擊犯罪,預(yù)測(cè)分析下一場(chǎng)大風(fēng)暴什么時(shí)候會(huì)產(chǎn)生,而且可以盡快解決它來(lái)造就一個(gè)更美好的世界。
從理論上講,AI是計(jì)算機(jī)實(shí)行一般必須某種意義人們智能化的每日任務(wù)的工作能力。深度學(xué)習(xí)是一種使這變成將會(huì)的模塊,它技術(shù)應(yīng)用數(shù)據(jù)驅(qū)動(dòng)器優(yōu)化算法從數(shù)據(jù)中學(xué)習(xí)培訓(xùn),為您出示需要的回答。近些年來(lái)出現(xiàn)的一種深度學(xué)習(xí)是深度學(xué)習(xí),它指的是深層次神經(jīng)元網(wǎng)絡(luò),他們?cè)馐苋祟惔竽X的啟迪和效仿人的大腦對(duì)信號(hào)分析等級(jí)分類。
一、GIS中的深度學(xué)習(xí)技術(shù)應(yīng)用
深度學(xué)習(xí)一直是GIS空間分析的關(guān)鍵構(gòu)成部分。深度學(xué)習(xí),深度學(xué)習(xí)和人工智能愈來(lái)愈多地與GIS一起用以多種多樣目地。將深度學(xué)習(xí)優(yōu)化算法與GIS集成化可在更短的時(shí)間內(nèi)出示更強(qiáng),更優(yōu)質(zhì)的結(jié)果。這種專用工具和優(yōu)化算法已技術(shù)應(yīng)用于自然地理解決專用工具,以處理三大類難題。借助歸類,您能夠 技術(shù)應(yīng)用支持向量機(jī)優(yōu)化算法來(lái)建立農(nóng)田遮蓋歸類層。另一個(gè)事例是聚類算法,它容許您解決很多的鍵入點(diǎn)數(shù)據(jù),分辨在其中更有意義的聚類算法。例如自然地理權(quán)重計(jì)算重歸這類的預(yù)測(cè)算法,容許您技術(shù)應(yīng)用地理信息來(lái)校正有利于您預(yù)測(cè)分析的系數(shù)。這種方式 在許多 行業(yè)十分有用,其結(jié)果能夠 表述,但她們必須GIS權(quán)威專家來(lái)分辨或出示這些危害人們預(yù)測(cè)分析結(jié)果的系數(shù)。
1.深度學(xué)習(xí)的盛行
假如借助設(shè)備全自動(dòng)查詢數(shù)據(jù),找到這種系數(shù)應(yīng)當(dāng)是啥,那不是更強(qiáng)嗎?這就是深度學(xué)習(xí)的立足之地。它的設(shè)計(jì)靈感來(lái)自于人類的大腦相似的思維方法。在深層神經(jīng)元網(wǎng)絡(luò)中,存有回應(yīng)刺激性的神經(jīng)細(xì)胞,而且他們?cè)趯又邢嗷ヂ?lián)接。神經(jīng)元網(wǎng)絡(luò)已存有數(shù)十年,但訓(xùn)練好他們是一個(gè)重要難點(diǎn)。
那么如今發(fā)生了什么轉(zhuǎn)變,并使深度學(xué)習(xí)的技術(shù)應(yīng)用這般取得成功?深度學(xué)習(xí)的出現(xiàn)可歸功于近些年來(lái)的三個(gè)關(guān)鍵發(fā)展-數(shù)據(jù),計(jì)算和優(yōu)化算法改善:
數(shù)據(jù):因?yàn)榛ヂ?lián)網(wǎng)技術(shù),諸多的控制器及其每日都會(huì)對(duì)全球顯像的諸多通訊衛(wèi)星,人們?nèi)缃裼兄芏鄶?shù)據(jù)。
計(jì)算:云計(jì)算和GPU有著強(qiáng)勁的計(jì)算工作能力,他們比過(guò)去任何時(shí)刻都更為強(qiáng)勁,而且價(jià)錢十分性價(jià)比高。
算法改善:最終,科學(xué)研究工作人員如今借助優(yōu)化算法改善和網(wǎng)絡(luò)結(jié)構(gòu)破譯了訓(xùn)煉深層神經(jīng)元網(wǎng)絡(luò)的一些最具趣味性的層面。
2.將計(jì)算機(jī)視覺(jué)技術(shù)應(yīng)用于自然地理空間分析
深度學(xué)習(xí)技術(shù)應(yīng)用十分普遍的行業(yè)是計(jì)算機(jī),或圖象智能識(shí)別。這針對(duì)GIS特別是在有效,由于通訊衛(wèi)星,航空公司和無(wú)人飛機(jī)圖象的轉(zhuǎn)化成速率迅速,促使大家沒(méi)辦法借助傳統(tǒng)化方法剖析圖象和得到必須的結(jié)論。
下圖顯示信息了一些最重要的影象分辨用例及其他們?cè)鯓蛹夹g(shù)應(yīng)用于GIS:
非常簡(jiǎn)單的技術(shù)應(yīng)用是圖像分類,在其中計(jì)算機(jī)為圖象分派標(biāo)識(shí),比如“貓”或“狗”,這能夠 用以在GIS中歸類自然地理標(biāo)識(shí)的相片。在上面的實(shí)例中,人們將圖像分類為具備“聚集群體”,而且該類非機(jī)動(dòng)車主題活動(dòng)歸類可用以公共性活動(dòng)場(chǎng)地的非機(jī)動(dòng)車和道路交通方案。
接下去,能夠 用以目標(biāo)分辨,在其中計(jì)算機(jī)必須在圖象中搜索目標(biāo)以及部位。它是GIS中一項(xiàng)十分關(guān)鍵的每日任務(wù)-搜索通訊衛(wèi)星,航空公司或無(wú)人飛機(jī)圖象中的內(nèi)容,及其在地圖上繪制地圖并將其繪圖在地圖上,可用以基礎(chǔ)設(shè)施建設(shè)制圖,出現(xiàn)異常檢測(cè)和目標(biāo)特征提取。
圖像識(shí)別技術(shù)中的另一個(gè)關(guān)鍵每日任務(wù)是語(yǔ)義分割-在這其中人們將圖象的每一個(gè)清晰度歸類為歸屬于特殊類。比如,在上文的圖象中,貓是淡黃色清晰度,翠綠色清晰度歸屬于路面類,天上是深藍(lán)色。在GIS中,語(yǔ)義分割可用以農(nóng)田遮蓋歸類或從衛(wèi)星影像圖中獲取路面數(shù)據(jù)網(wǎng)絡(luò)。
另一種種類的切分是實(shí)例分割,您能夠 將其視作更精準(zhǔn)的目標(biāo)檢驗(yàn),在其中標(biāo)識(shí)每一個(gè)目標(biāo)的精準(zhǔn)界限。這能夠 用以借助加上房屋建筑遮蓋區(qū)或從LiDAR數(shù)據(jù)復(fù)建三d房屋建筑來(lái)改進(jìn)底圖等每日任務(wù)。
3.深入學(xué)習(xí)繪圖
衛(wèi)星影像圖深度學(xué)習(xí)的一個(gè)關(guān)鍵技術(shù)應(yīng)用是借助全自動(dòng)獲取路面數(shù)據(jù)網(wǎng)絡(luò)和捕獲界限來(lái)建立數(shù)字地圖。
想像一下,在大的地理區(qū)域技術(shù)應(yīng)用經(jīng)過(guò)訓(xùn)練的深度學(xué)習(xí)實(shí)體模型,并抵達(dá)包括該地域全部路面的地形圖,及其技術(shù)應(yīng)用該檢驗(yàn)到的路面數(shù)據(jù)網(wǎng)絡(luò)建立行駛路線的工作能力。這針對(duì)沒(méi)有高品質(zhì)數(shù)字地圖的發(fā)達(dá)國(guó)家或新開(kāi)發(fā)設(shè)計(jì)的大城市地域特別是在有效。
好地形圖必須的不僅是路面-他們必須房屋建筑。實(shí)例分割實(shí)體模型的技術(shù)應(yīng)用針對(duì)搭建界限切分非常有效,而且能夠 協(xié)助建立房屋建筑界限而不用手動(dòng)式智能化。
二、GIS與AI的融合應(yīng)用
大多數(shù)GIS平臺(tái)具備協(xié)助實(shí)現(xiàn)數(shù)據(jù)科學(xué)研究工作流程的每一個(gè)具體步驟的工具:從數(shù)據(jù)提前準(zhǔn)備和探索性數(shù)據(jù)剖析,到訓(xùn)煉實(shí)體模型,再到實(shí)行空間分析,最終技術(shù)應(yīng)用數(shù)據(jù)網(wǎng)絡(luò)公布和共享資源地形圖成效。
大多數(shù)GIS平臺(tái)包括用以協(xié)助深度學(xué)習(xí)審批流數(shù)據(jù)提前準(zhǔn)備的專用工具,可用以布署訓(xùn)練有素的實(shí)體模型以開(kāi)展特征提取或歸類,并借助技術(shù)應(yīng)用分布式系統(tǒng)計(jì)算規(guī)模性布署深度學(xué)習(xí)實(shí)體模型,可技術(shù)應(yīng)用CNTK,Keras,PyTorch,fast.ai和TensorFlow開(kāi)展目標(biāo)檢驗(yàn)和歸類具體步驟。
深度學(xué)習(xí)是一個(gè)迅速發(fā)展的行業(yè),技術(shù)應(yīng)用編碼優(yōu)先方法容許數(shù)據(jù)生物學(xué)家技術(shù)應(yīng)用頂尖科學(xué)研究,另外技術(shù)應(yīng)用工業(yè)生產(chǎn)級(jí)的GIS平臺(tái)。Python早已變成深度學(xué)習(xí)全球的通用語(yǔ)言,像Tensorflow,PyTorch和CNTK那樣的流行庫(kù)選取它是她們的關(guān)鍵計(jì)算機(jī)語(yǔ)言,GIS平臺(tái)適用這種語(yǔ)言,就代表特別適合與這種深度學(xué)習(xí)庫(kù)集成化,并容許您拓展作用。
三、深度學(xué)習(xí)和GIS結(jié)合的未來(lái)發(fā)展趨勢(shì)
深度學(xué)習(xí)是一個(gè)飛速發(fā)展的技術(shù)領(lǐng)域,全球每星期或每個(gè)月都是出現(xiàn)最優(yōu)秀的結(jié)果和新的科學(xué)研究畢業(yè)論文。
深度學(xué)習(xí)的新用處是用以加強(qiáng)圖像,比如借助技術(shù)應(yīng)用“超分辨率數(shù)據(jù)網(wǎng)絡(luò)”來(lái)提升放縮級(jí)別。該技術(shù)可用以提升衛(wèi)星影像圖的畫(huà)面質(zhì)量,乃至超過(guò)常用控制器的像素。
深度學(xué)習(xí)的另一個(gè)新用處是“寫作(設(shè)計(jì)方案)的智能化”行業(yè)。神經(jīng)系統(tǒng)設(shè)計(jì)風(fēng)格遷移技術(shù)性可用以轉(zhuǎn)化成“地形圖造型藝術(shù)”,并可借助繪圖設(shè)計(jì)風(fēng)格遷移在GIS中尋找具體用處。
轉(zhuǎn)化成性對(duì)抗網(wǎng)絡(luò)(GAN)是一個(gè)活躍性的研究領(lǐng)域,在深度學(xué)習(xí)的在歷史上一直占據(jù)至關(guān)重要的影響力,可用以立即從圖象轉(zhuǎn)化成地形圖圖塊。
盡管上邊的實(shí)例偏重于圖象和計(jì)算機(jī)視覺(jué),但深度學(xué)習(xí)還可以一樣好地用以解決很多結(jié)構(gòu)型數(shù)據(jù),比如來(lái)源于控制器的觀察或來(lái)源于因素層的特性,這種技術(shù)性在結(jié)構(gòu)型數(shù)據(jù)中的技術(shù)應(yīng)用包含預(yù)測(cè)分析惡性事件幾率及其自然地理編號(hào)等。
許多 GIS平臺(tái)商和創(chuàng)新型企業(yè)已經(jīng)在加大力度投資和科學(xué)研究這種新型技術(shù),開(kāi)發(fā)人工智能和深度學(xué)習(xí)的數(shù)據(jù)實(shí)體模型和技術(shù)應(yīng)用。