Глубокое обучение — это быстро развивающийся метод анализа данных машинного обучения, который использует нейронные сети для имитации мыслительных процессов человеческого мозга. При интеграции с ГИС он может улучшить обработку данных и обеспечить более точный анализ данных.
Обычно с алгоритмами машинного обучения связаны три основные проблемы: анализ больших объемов данных, нехватка вычислительных ресурсов, а также эффективность и точность алгоритмов. Интегрируя ArcGIS Notebooks и алгоритмы глубокого обучения, вы сможете лучше справляться с этими проблемами.
Глубокое обучение в ArcGIS Notebooks
Модели глубокого обучения для данных изображений, доступные в ArcGIS Notebooks, делятся на четыре основные категории:
- Классификация объектов — Используется для определения класса объекта. Например, это можно использовать для определения того, повреждено ли здание после стихийного бедствия.
- Обнаружение объекта — Процесс локализации поиска объекта на изображении в ограничивающей рамке. Например, обнаружение объектов можно использовать для выявления плавательных бассейнов на изображении.
- Классификация пикселей — Используется для присвоения классов пикселям в изображении. Например, классификация пикселей может использоваться для классификации почвенно-растительного покрова.
- Классификация экземпляров — Объединяет как обнаружение объектов, так и классификацию пикселей. Классификацию экземпляров можно использовать для обнаружения объекта и его дальнейшей классификации. Например, классификацию пикселей можно использовать при обнаружении повреждений, чтобы не только идентифицировать повреждения, но и дополнительно классифицировать серьезность повреждений.
Примечание:
ArcGIS Notebooks также поддерживает модели, ориентированные на наборы табличных данных, облака точек и другие структурированные наборы данных.
Рабочие процессы глубокого обучения
ArcGIS Notebook Server может использоваться для выполнения следующих рабочих процессов глубокого обучения:
- Непрерывный цикл глубокого обучения
- Вывод с использованием предварительно обученных моделей
- Точная настройка предварительно обученных моделей
Непрерывный цикл глубокого обучения
Непрерывный цикл глубокого обучения - это преобразующий метод в машинном обучении, при котором одна нейронная сеть обучается выполнять комплекс задач на основе необработанных входных данных, минуя необходимость извлечения объектов вручную. Этот процесс предполагает следующие шаги:
- Сбор данных - соберите большой и разнообразный набор данных, соответствующий задаче.
- Предварительная обработка данных - очистите и подготовьте данные для обучения.
- Проектирование модели - выберите архитектуру нейронной сети.
- Обучение - модель обучается на наборе данных, а параметры настраиваются для минимизации ошибок.
- Оценка - протестируйте модель на отдельном наборе данных, чтобы оценить ее производительность.
- Развертывание - внедрите обученную модель в приложение для реального мира.
См. Пример: Непрерывный цикл рабочего процесса глубокого обучения для примера рабочего процесса.
Предварительно обученные модели
Предварительно обученные модели глубокого обучения могут упрощать ваши геопространственные рабочие процессы, устраняя необходимость в обширных обучающих данных и вычислительных ресурсах. ArcGIS предлагает ряд предварительно обученных моделей глубокого обучения для разных задач. Эти модели можно загрузить из ArcGIS Living Atlas и использовать в ArcGIS Notebooks, загрузив их как ресурсы портала.
См. Пример: Вывод с использованием предварительно обученных моделей для примера рабочего процесса.