Geo.AI當(dāng)ArcGIS遇見人工智能當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第1頁(yè)。人工智能帶來(lái)巨大的行業(yè)機(jī)遇當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第2頁(yè)。Geo.AI空間科學(xué)

人工智能當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第3頁(yè)。Geo.AI算法/模型空間分析/統(tǒng)計(jì)集成深度學(xué)習(xí)框架對(duì)接人工智能平臺(tái)數(shù)據(jù)矢量數(shù)據(jù)遙感數(shù)據(jù)應(yīng)用國(guó)土農(nóng)業(yè)金融商業(yè)……當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第4頁(yè)。數(shù)據(jù)包裹登記稅收基礎(chǔ)底圖城市規(guī)劃人行道覆蓋矢量數(shù)據(jù)影像數(shù)據(jù)天然的機(jī)器學(xué)習(xí)樣本庫(kù)當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第5頁(yè)。深度學(xué)習(xí)訓(xùn)練樣本豐富的樣本制作工具影像數(shù)據(jù)矢量數(shù)據(jù)數(shù)據(jù)當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第6頁(yè)。算法與模型靈活的第三方人工智能框架及服務(wù)專業(yè)的空間分析工具當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第7頁(yè)。ArcGIS分類聚合空間分析/統(tǒng)計(jì)1207個(gè)地理處理工具300+機(jī)器學(xué)習(xí)16個(gè)最大似然分類隨即森林支持向量機(jī)空間約束多元聚類多元聚類基于密度的聚類圖像分割熱點(diǎn)分析聚類和異常值分析時(shí)空挖掘分析預(yù)測(cè)經(jīng)驗(yàn)貝葉斯克立格面插值EBK

回歸預(yù)測(cè)普通最小二乘回歸地理加權(quán)回歸基于隨機(jī)森林的分類與回歸ArcGIS的機(jī)器學(xué)習(xí)工具當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第8頁(yè)。ArcGIS與人工智能平臺(tái)融合MicrosoftArcGIS當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第9頁(yè)。Decidernumpy

機(jī)器學(xué)習(xí)XGBoost人工智能自然語(yǔ)言處理視頻游戲行為人工智能機(jī)器人計(jì)算機(jī)視覺(jué)ArcGISscikit-learnTensorFlowIBMArcGIS集成深度CNTKWatson學(xué)習(xí)ArcGIS與深度學(xué)習(xí)當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第10頁(yè)。ArcGISArcGIS與深度學(xué)習(xí)框架集成當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第11頁(yè)。SenseRemote商湯人工智能遙感解譯馬靈霞 高級(jí)產(chǎn)品經(jīng)理中國(guó)最大的人工智能獨(dú)角獸企業(yè)當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第12頁(yè)。深度學(xué)習(xí)三大核心要素海量數(shù)據(jù)超級(jí)計(jì)算

學(xué)習(xí)算法當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第13頁(yè)。AI在商湯：GPU硬件超算集群8000塊GPU計(jì)算卡，10個(gè)GPU集群，最大規(guī)模連接800塊GPU當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第14頁(yè)。Berkeley

出品對(duì)單機(jī)多GPU的有限支持不支持分布式訓(xùn)練Facebook

出品對(duì)分布式訓(xùn)練的支持比較弱非常靈活，但是以寫底層代碼為代價(jià)，生產(chǎn)力低Google

出品支持單機(jī)多GPU和分布式訓(xùn)練顯存使用過(guò)高，性能欠佳商湯科技出品支持超深網(wǎng)絡(luò)超大數(shù)據(jù)學(xué)習(xí)及復(fù)雜關(guān)聯(lián)應(yīng)用使用開源平臺(tái)將受制于人自建平臺(tái)是實(shí)現(xiàn)算法領(lǐng)先的基礎(chǔ)開源平臺(tái)商湯自建平臺(tái)不支持大數(shù)據(jù)量的分布式訓(xùn)練可支持分布式訓(xùn)練，高速低損不提供最新算法迭代成果支持更復(fù)雜建模，高度伸縮性？？？ 計(jì)算效率低、效果不理想 ？ 技術(shù)發(fā)展受制，IP問(wèn)題等AI在商湯：自建原創(chuàng)深度學(xué)習(xí)平臺(tái)Parrots當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第15頁(yè)。基于VOC、COCO、ImageNet等數(shù)據(jù)集上直接finetune的VGG、GoogLeNet、ResNet等結(jié)構(gòu)網(wǎng)絡(luò)并不能很好的適用于遙感數(shù)據(jù)處理。不能直接支持遙感多波段、高光譜數(shù)據(jù)形式；不能直接支持遙感數(shù)據(jù)尺寸大的處理特點(diǎn)；精度差，不能直接滿足遙感數(shù)據(jù)解譯特點(diǎn)；訓(xùn)練耗時(shí)長(zhǎng)；處理速度慢；遙感影像解譯的特殊性當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第16頁(yè)。數(shù)據(jù)普適設(shè)計(jì)適用于8bit、16bit

全色、RGB、多光譜、高光譜多種數(shù)據(jù)普適模型遙感專用設(shè)計(jì)多種場(chǎng)景專用模型，比如道路、河流類線狀地物；云雪類易混淆面狀地物；復(fù)雜場(chǎng)景下的飛機(jī)、艦船等微小目標(biāo)；多時(shí)相數(shù)據(jù)變化檢測(cè)模型模型壓縮設(shè)計(jì)、壓縮小模型，在保持應(yīng)用精度基本不變的情況下，可以將同一結(jié)構(gòu)下的通用網(wǎng)絡(luò)壓縮提升效率幾十到上百倍模型改進(jìn)設(shè)計(jì)結(jié)合傳統(tǒng)解譯方法新模型，比如增加“面向像素”解譯思路中常用各種指數(shù)信息的網(wǎng)絡(luò)學(xué)習(xí)；增加“面向?qū)ο蟆苯庾g思路中常用空間相關(guān)性信息的網(wǎng)絡(luò)學(xué)習(xí)Dataconv1-2BNReLuconv1-1BNReLuconv2-2BNReLuconv2-1BNReLuconv3-2BNReLuconv3-1BNReLuconv3-3BNReLuconv4-2BNReLuconv4-1BNReLuconv4-3BNReLufc5BNReLupooling1pooling2pooling3pooling4pooling5dropoutfc6data_fcBNReLudata_convBNReLuDROPdata_msp1_fcBNReLup1_convBNReLuDROPp1_msp2_fcBNReLup2_convBNReLuDROPp2_msp3_fcBNReLup3_convBNReLuDROPp3_mspool_fusionfeaturep1_interpp1_interpp1_interpfc6_interpAI在商湯：遙感影像深度學(xué)習(xí)模型當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第17頁(yè)。\\云雪水提取數(shù)據(jù)源：GF-1衛(wèi)星MSS分辨率：8米位置：吐魯番北部成像時(shí)間：2016年9月處理用時(shí)：5s數(shù)據(jù)源：GF-1衛(wèi)星MSS分辨率：8米位置：九江成像時(shí)間：2017年1月處理用時(shí)：8s當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第18頁(yè)。路網(wǎng)提取分辨率：1.5米圖像大?。?2900*8000處理速度：40s位置：上海當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第19頁(yè)。位置：110.46E

19.94N停放朝向：37.74°長(zhǎng)度：45米翼展：35米數(shù)據(jù)源：GF-2衛(wèi)星分辨率：0.8米位置：?？跈C(jī)場(chǎng)圖像大小：4873*1439用時(shí)：4s飛機(jī)及關(guān)鍵點(diǎn)檢測(cè)當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第20頁(yè)。艦船檢測(cè)圖像數(shù)據(jù)源：GF-1衛(wèi)星成像時(shí)間：20151015分辨率：2米圖像大?。?8000*18000處理速度：3min位置：上海位置：121.67E

31.35N長(zhǎng)度：184米寬度：32米當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第21頁(yè)。變化檢測(cè)分辨率：1.5米圖像大?。?5000*38000處理速度：10min位置：拉斯維加斯當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第22頁(yè)。土地分類植被建筑物建筑用地寬廣道路居民區(qū)水體運(yùn)動(dòng)場(chǎng)小路陰影荒裸地其他當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第23頁(yè)。建筑物提取當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第24頁(yè)。人工智能+GIS對(duì)行業(yè)產(chǎn)生巨大價(jià)值應(yīng)用當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第25頁(yè)。深度學(xué)習(xí)分類結(jié)果基于用地類型進(jìn)行統(tǒng)計(jì)匹配空間位置分類統(tǒng)計(jì)像元面積當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第26頁(yè)。深度學(xué)習(xí)模型文件分類分割三維模型生成基于深度學(xué)習(xí)的三維建筑物單體建模當(dāng)ArcGIS遇見人工智能全文共35頁(yè)，當(dāng)前為第27頁(yè)。／知DDOTTraffic

Came「a

Ne

X

'C

CD

es

rifed

eral

.rn

aps.arcgis.com

/

app

s/op

sdashboar

d[l

nde

x.html土/

d2f

c32e1974540939e6

a

t

b倫cac331c4x已lia

G...亨A

ctivityDetectioninWashingtonD.C.MachineLearningand

ArcGISConstitutionAve@15thSt

LastDetection:5/28/2018,2:43

PM4Cars

Detected8

Pedestrians

Detected["'"'t,_.一心lC一八心-<SJe忑ClE'C12thSt@ConstitutionAveLast

Detect

ion:

5

/

28/

2

018

,

2:42

PM1

Ca

rs

Detected7

Pedestrians

Detected日戶

亡涇

才o

-:-氣,C

<:S

!)

藝

今Ct

己已ConstitutionAve@17thStLast

Detect

ion:

5/

28

/

2

018

,

2:43

PM3Cars

Detected6

PedestriansDetected

E

:.,,.?七

己

l0

寸u

令(39e:ectec15th

St@

NewYork

Ave

&

Pen

ns

ylva

n

iaAveLast

Detect

ion:

5/

28

/

2

0

18,

2:44PM6Ca.rs

Detected6

Pede忒rians

D七tectedE一雪

？口：：·

'.:'尸

ji

飛-cc

k:.s

Oe:ec毛心[ndependenceAve@7thStLast

Detection

:

5/

28

/

2

018

,

2:41

PM6Cars

Detected4

Pedestrians

DetectedE'..必雪二：、一心'·""

j0

飛

c,c,s!::>e:ect

e己7thSt@H

StLastDetection:5/2812018,2:42

PM4Cars

Detected4

Pedest

ri

an

s

DetectedE--"'儼"'-'"

」：一fu

G'<S

J

巳:

ect

己已L主

upd式e:a倉(cāng)

“

年

otid3

已守tJI

u"'F"ed巳江

roanaBu,釭；lr.;c,芒

Time平寸ParkCo

l

umb

iaHeights＿Was

hing

t

on侖桂氈

器＋DCG,ISM-NCPPC,VITA,Esri.HERE,Delorme,INCREMENTP,USGS,

E...Ledrolt

Par!\"De

t

e

cte

d

Ca

rs云3

61in69

ScannedLocations巨

工

午pd總忑

芍

f己心

寶

or,a三sg-:,D

ete

cte

d"in69Sca

nDetected

Buses(:)

4i

n

69

Sca

nn

e

d

Lo

cat

ions丘.:

up已..王,“飛

.,,,.,,

eco"'工

節(jié)