极海机器学习终端— DeepSat功能详解
极海作为行业最早的探索者,为了应对大规模数据和机器学习的种种现实难题,融合新技术,衍生新能力,把服务放到云端,将机器学习、深度学习和地理大数据整合集成机器学习终端DeepSat,构成一整套完整的产品:提供数据+算法+培训+硬件机器。
点击图片预览详情
本篇将为大家详解Deep Sat功能及产品特性
▼
· 关于DeepSat ·
DeepSat是极海专门针对影像信息挖掘所研发的一套深度学习终端,该终端融合了当前最前沿的深度学习算法,和方便快捷的预处理、训练和后处理等一系列技术,以及丰富的样例数据,方便用户和开发者快速上手,并将其应用到自己的业务场景中。
▼
· DeepSat的工作流程 ·
用户可以根据自己的数据进行一系列的操作,比如将大影像裁剪成小块的影像、按照不同的任务生成相应的训练集和测试集格式、训练模型、验证模型结果、对新数据进行预测,以及一些后处理工具,比如结果矢量化,建筑物结果优化等等;具体的工作流据任务不同而略有差别。
▼
· DeepSat的产品功能 ·
DeepSat产品中包含语义分割、目标检测、实例分割三大功能和相应的样例数据:
▼
语义分割
语义分割中,我们提供了地物分类和道路识别两种类型的样例数据。
数据准备 : 主要为遥感影像训练数据的准备工作,用于生成训练样本,从原始的影像数据,经过一系列的转换可以生成一块块小的图片,并将对应的矢量标签转换成图片,供深度学习模型进行训练(每个加黑的单词代表一个功能)。
训练和预测 : 该部分主要为训练深度卷积神经网络中的语义分割模型,模型的训练支持 GPU 和 CPU 两种训练方式,并且训练出来的模型可以保存,并用于其它的运行 环境(每个加黑的单词代表一个功能)。
后处理 : 主要用于处理模型预测之后的结果数据,比如合并成一个大文件,将栅格结果矢量化,针对建筑物的轮廓边界简化拉直,道路的中心线提取等等。
比如道路提取、建筑物提取、建成区提取等。
全国城乡建设区数据提取
目标检测
目标检测工具集包含批量的影像、标签的自动化裁剪,生成指定大小的小文 件;生成标准的数据格式(COCO);模型的训练,模型包括 Faster-RCNN、 RetinaNet、SSD 等当前最先进的目标检测算法;模型的预测,预测出来的结果 包含地理坐标信息;相关的后处理工具,比如合并小文件。
精准农业中的烟苗识别
实例分割
实例分割工具集包含批量的影像、标签的自动化裁剪,生成指定大小的小文 件;生成标准的数据格式(COCO);模型的训练,模型为当前最先进的 MaskRCNN(ResNet50、ResNet101)实例分割算法;模型的预测,结果自动转换成带有地理坐标;相关的后处理工具,比如合并小文件,建筑物边界优化工具。
▼
· DeepSat的产品特点 ·
FasterRCNN、MaskRCNN等20多种深度学习模型;
联系极海
业务专题
空间规划辅助编制平台上线
空间规划辅助编制平台—数据集成与标准建设
空间规划辅助编制平台—专题图制作
空间规划辅助编制平台—空间分析工具箱
空间规划辅助编制平台—协同共享
基于编制平台支撑大数据专题评价(信令数据)
基于等时圈模型支撑“城镇建设适宜性-交通可达性”评价
15分钟生活圈配套设施评价模型
技术专题
基于“AI百宝箱”实现空间规划动态监测
基于“城市数据包”构建空间规划数据基石
基于“微服务+容器化”实现空间规划应用平台快速搭建
基于快速存储技术实现多源海量空间规划数据统一管理
基于动态渲染技术实现空间规划专题图快速发布
基于可扩展性架构实现空间规划模型快速扩展
基于标准服务接口实现空间规划应用快速定制
案例专题
北京清华同衡规划设计研究院-国家新型城镇化大数据公共服务平台
中国城市规划设计研究院-全国新型城镇化监测与评估平台
中规院深圳分院-粤港澳大湾区规划信息平台
江西省空间规划监测与评估平台
天津市时空大数据支撑平台
宁波市动态位置大数据服务平台