打造GeoAI个性化应用，你需要人工智能GIS流程工具

在2019 GIS 软件技术大会上，超图提出了人工智能GIS技术体系，丰富和创新了GIS基础支撑技术。人工智能GIS技术体系的核心内容之一是GeoAI，即融合AI的空间分析与处理。在GeoAI功能的应用过程中，超图提供了完整的流程工具，可以进行自有模型的构建。
机器学习的应用一般包括三个主要步骤：1、选择模型：即根据数据，选择符合数据特征的“函数”；2、训练模型：通过学习样本数据，确定函数参数；3、使用模型：把新的数据代入函数求值。
俗话说“授人以鱼不如授人以渔”，在GeoAI应用中，我们希望能在提供成熟AI模型的基础上，还为用户提供构造自有模型的流程工具，方便用户的个性化GeoAI应用。
比如在基于深度学习的影像分析应用中，我们需要让机器自己去学习图像中的隐含特征，然而由于空间数据的复杂性及多样性，南方与北方、冬天与夏天的影像都有较大差别，因此直接提供的AI模型很难适用于所有场景。因此，需要让用户基于GeoAI流程工具，自己去训练得到适用于各自业务的AI模型。

构建工作流程

基于机器学习应用过程，相应的GeoAI流程工具需要支持从数据准备、模型构建到模型应用的完整过程，如下图所示：

GeoAI 工作流程

• 数据获取与准备

准备训练样本包括两大环节：

1、数据获取，主要通过外部数据采集方式或者已有的原始数据，经过数据清洗、数据转换等处理后存储在数据库下；

2、数据准备，基于数据获取环节提供的不同类型的基础数据为机器学习或深度学习提供训练数据。

以深度学习为例，需要准备的数据集中包含影像数据，以及希望识别的地物所在具体位置的标签数据。比如要做建筑物的识别，就需要目标区域的影像和建筑物矢量轮廓的标签，再一同生成相应格式的训练数据。

用户可使用SuperMap产品中的矢栅转换、计算对象外接矩形和训练数据生成等多种工具，将GIS数据转换成不同模型所需要的训练数据。

• 模型构建

模型构建阶段就是基于数据准备过程中生成的训练数据，训练神经网络模型，同时通过验证和测试对模型进行不断的迭代评估，以达到可以进行实际应用的精度要求。

用户可使用SuperMap产品中的模型训练功能，根据应用场景，选择训练不同的模型。

• 模型发布与应用

模型发布与应用是空间机器学习工作流程的最终目的，通过工具或服务的形式，使用训练得到的模型计算并分析数据，以解决实际问题。SuperMap提供的模型应用功能支持基于CPU的推理和基于GPU的推理两种模式，推荐使用GPU模式，以获得更好的推理计算性能。

产品体系支持

在SuperMap GIS 10i产品中，我们提供了包括组件、桌面、服务器等多种产品形态，支持GeoAI流程工具，方便软件使用者根据自己的数据与应用场景训练和使用自有模型。

组件层产品SuperMap iObjects Python（基于Python开发的组件）、桌面软件SuperMap iDesktopX都可以支持完整的三个流程；服务器端产品SuperMap iServer的数据科学服务，作为GeoAI的数据准备、模型训练、模型推理工具，提供在线交互式Python开发和运行环境，也可进行三个过程的编码执行，且更适合大规模训练数据的批量生成，基于原始遥感影像数据和矢量标注数据，生成服务深度学习使用的训练数据；SuperMap iServer机器学习服务作为GeoAI模型推理工具，多用于模型应用阶段，提供GeoAI模型注册发布与共享应用。

产品支持情况

桌面端流程工具

案例展示

下面以基于深度学习的影像建筑物提取为例，展示流程工具的使用。

• 样本制作

通过计算机视觉技术进行对象识别，需要让计算机先认识和理解对象特征，因此在进行影像的建筑物提取时，需要在原有影像上制作矢量标签，即绘制标注出影像中的建筑物矢量轮廓面，创建一个包含建筑物轮廓的面数据集。

然后利用“训练数据生成”工具，将影像和矢量标签数据转换成深度学习模型训练所需要的格式。

训练数据生成过程

• 模型训练

接下来我们可以使用生成好的样本数据开展深度学习模型的训练。首先需要将样本数据所在路径设置到对话框中，其次设置相关训练参数，包括训练次数、学习率等，而后就可以执行启动训练过程。训练结束后会在结果目录下生成模型文件，训练过程中会在输出窗口打印相关精度量化指标，用于评估模型训练效果。

模型训练过程

• 模型验证

得到训练生成的模型后，我们可以在桌面软件中选择一份新的数据基于模型进行推理，验证模型推理效果。一般需要根据验证过程发现的问题，补充样本数据，进行多次迭代训练，从而得到较为理想的模型结果。

• 模型发布

在模型验证之后我们得到了一个较为理想的模型，此时可以在服务器产品中进行模型发布和使用。SuperMap iServer机器学习服务作为Web端的GeoAI模型推理工具，多用于模型应用阶段，可以将组件产品、桌面产品、数据科学服务等各种流程工具训练得到的模型进行注册、发布与使用。

• 模型推理

使用SuperMap iServer的机器学习服务进行模型注册之后，我们可以继续进行模型推理，即使用已发布的模型，对其它影像数据进行建筑物提取应用。

总结

以基于深度学习的影像分析为例， 我们介绍了如何使用GeoAI流程工具，帮助影像分析人员从原始空间数据中获取更多有价值的信息，支撑业务开展。我们在SuperMap GIS 10i产品中构建了AI GIS软件技术和产品体系，其中一个重要内容就是提供了完整的GeoAI流程工具，并将工具集成到多种形态的GIS产品中，支撑人工智能GIS深度应用。这种即拿即用的流程工具可以大幅降低深度学习等AI应用门槛，便于其应用于更加广泛的GIS领域。

撰文 | 大数据与AI研发中心  郑美玲 卢浩

【相关阅读】

▼

欢迎转载~

爱看你就点在看!