当ArcGIS遇见人工智能.pptx

Geo.AI 当ArcGIS遇见人工智能 当ArcGIS遇见人工智能全文共35页，当前为第1页。 人工智能带来巨大的行业机遇 当ArcGIS遇见人工智能全文共35页，当前为第2页。 Geo.AI 空间科学 人工智能 当ArcGIS遇见人工智能全文共35页，当前为第3页。 Geo.AI 算法/模型 空间分析/统计 集成深度学习框架 对接人工智能平台 数据 矢量数据 遥感数据 应用 国土 农业 金融 商业 …… 当ArcGIS遇见人工智能全文共35页，当前为第4页。 数据 包裹登记 税收 基础底图 城市规划 人行道覆盖 矢量数据 影像数据 天然的机器学习样本库 当ArcGIS遇见人工智能全文共35页，当前为第5页。 深度学习训练样本 丰富的样本制作工具 影像数据 矢量数据 数据 当ArcGIS遇见人工智能全文共35页，当前为第6页。 算法与模型 灵活的第三方人工智 能框架及服务 专业的空间 分析工具 当ArcGIS遇见人工智能全文共35页，当前为第7页。 ArcGIS 分类 聚合 空间 分析/统计 1207个 地理处理工具 300+ 机器 学习 16个 最大似然分类 随即森林 支持向量机 空间约束多元聚类 多元聚类 基于密度的聚类 图像分割 热点分析 聚类和异常值分析 时空挖掘分析 预测 经验贝叶斯克立格 面插值 EBK 回归预测 普通最小二乘回归 地理加权回归 基于随机森林的分类与回归 ArcGIS的机器学习工具 当ArcGIS遇见人工智能全文共35页，当前为第8页。 ArcGIS与人工智能平台融合 Microsoft ArcGIS 当ArcGIS遇见人工智能全文共35页，当前为第9页。 Decider numpy 机器 学习 XGBoost 人工智能 自然语言处理 视频游戏行为 人工智能 机器人 计算机视觉 ArcGIS scikit-learn TensorFlow IBM ArcGIS 集成 深度 CNTK Watson学习 ArcGIS与深度学习 当ArcGIS遇见人工智能全文共35页，当前为第10页。 ArcGIS ArcGIS与深度学习框架集成 当ArcGIS遇见人工智能全文共35页，当前为第11页。 SenseRemote 商汤人工智能遥感解译 马灵霞 高级产品经理 中国最大的人工智能独角兽企业 当ArcGIS遇见人工智能全文共35页，当前为第12页。 深度学习三大核心要素 海量数据 超级计算 学习算法 当ArcGIS遇见人工智能全文共35页，当前为第13页。 AI在商汤：GPU硬件超算集群 8000块GPU计算卡，10个GPU集群，最大规模连接800块GPU 当ArcGIS遇见人工智能全文共35页，当前为第14页。 Berkeley 出品 对单机多GPU的有限 支持 不支持分布式训练 Facebook 出品 对分布式训练的支持比 较弱 非常灵活，但是以写底 层代码为代价，生产力 低 Google 出品 支持单机多GPU和分 布式训练 显存使用过高，性能 欠佳 商汤科技出品 支持超深网络 超大数据学习及复杂关联 应用 使用开源平台将受制于人 自建平台是实现算法领先的基础 开源平台 商汤自建平台 不支持大数据量的分布式训练 可支持分布式训练，高速低损 不提供最新算法迭代成果 支持更复杂建模，高度伸缩性 ？ ？ ？ 计算效率低、效果不理想 ？ 技术发展受制，IP问题等 AI在商汤：自建原创深度学习平台Parrots 当ArcGIS遇见人工智能全文共35页，当前为第15页。 基于VOC、COCO、ImageNet等数据集 上直接finetune的VGG、GoogLeNet、 ResNet等结构网络并不能很好的适用于 遥感数据处理。 不能直接支持遥感多波段、高光谱数据形式； 不能直接支持遥感数据尺寸大的处理特点； 精度差，不能直接满足遥感数据解译特点； 训练耗时长； 处理速度慢； 遥感影像解译的特殊性 当ArcGIS遇见人工智能全文共35页，当前为第16页。 数据普适 设计适用于8bit、16bit 全色、RGB、多光谱、高光谱多 种数据普适模型 遥感专用 设计多种场景专用模型，比如道路、河流类线状地物；云 雪类易混淆面状地物；复杂场景下的飞机、舰船等微小目 标；多时相数据变化检测模型 模型压缩 设计、压缩小模型，在保持应用精度基本不变的情况下， 可以将同一结构下的通用网络压缩提升效率几十到上百倍 模型改进 设计结合传统解译方法新模型，比如增加"面向像素"解 译思路中常用各种指数信息的网络学习；增加"面向对象" 解译思路中常用空间相关性信息的网络学习 Data conv1-2 BN ReLu conv1-1 BN ReLu conv2-2 BN ReLu conv2-1 BN ReLu conv3-2 BN ReLu c 《当ArcGIS遇见人工智能》的主题探讨了人工智能在地理信息系统（GIS）领域的应用，以及与ArcGIS的融合。ArcGIS作为一款强大的GIS软件，通过与AI技术的结合，为多个行业如国土、农业、金融和商业提供了创新解决方案。 Geo.AI的概念强调了GIS与人工智能的交叉，其中空间科学和算法模型是关键组成部分。ArcGIS提供了丰富的空间分析和统计工具，能够对接各种人工智能平台，集成深度学习框架，从而实现对矢量数据和遥感数据的高效处理。这些数据不仅包括包裹登记、税收、基础底图等基本信息，还能用于城市规划、人行道覆盖等复杂应用。同时，ArcGIS拥有大量预训练的机器学习模型，如最大似然分类、随机森林、支持向量机等，以及一系列空间分析工具，如聚类、热点分析、预测等。 在数据方面，ArcGIS不仅拥有天然的机器学习样本库，还支持深度学习训练样本的创建和管理。它提供了丰富的样本制作工具，能够处理矢量数据和影像数据。此外，ArcGIS能够灵活集成第三方人工智能框架和服务，结合专业的空间分析工具，进一步增强了其在AI应用中的能力。 ArcGIS与人工智能平台的融合，如Microsoft ArcGIS，支持与numpy、scikit-learn、TensorFlow和IBM Watson等深度学习框架的交互。这使得ArcGIS能够利用GPU硬件超算集群进行大规模并行计算，提高训练和推理速度。例如，商汤科技的自建深度学习平台Parrots，专为处理遥感数据设计，支持超深网络、超大数据学习，克服了现有开源平台在处理遥感数据时的局限性，如数据格式、尺寸、精度等问题。 遥感影像解译是AI在GIS中的重要应用领域。由于遥感数据的特性，通用的深度学习模型并不完全适用，因此需要专门针对遥感数据设计的模型。这些模型要能处理不同波段、高光谱数据，适应大数据量，以及解决解译精度、训练时间和处理速度的问题。商汤科技在这方面进行了深入研究，开发了适应多场景的专用模型和模型压缩技术，提高了遥感影像处理的效率和准确性。 当ArcGIS遇见人工智能，两者之间的结合开启了GIS的新时代，推动了地理空间数据的智能分析和应用，为各行业的决策提供更为精准和实时的信息支持。无论是数据处理、模型构建还是实际应用，AI都在不断拓展ArcGIS的功能边界，为地理信息科学注入新的活力。