Геопросторовий штучний інтелект на саміті розробників Esri 2021 року

Що нас найбільше схвилювало цього року, так це можливість показати вам досягнення, зроблені Esri в області геопросторового ШІ. Тут стільки всього, що ми не змогли б упакувати все це в одну технічну сесію! На додаток до можливостей геопросторового штучного інтелекту, які були висвітлені сьогодні на Пленарному засіданні, ми зібрали низку сесій на цю тему, щоб забезпечити всім можливість піти з цінною інформацією. Ці сеанси охоплюють глибоке вивчення різних типів даних і охоплюють широкий спектр персональних даних, починаючи від вчених, розробників і закінчуючи аналітиками ГІС.

 

Сеанси в прямому ефірі дають можливість безпосередньо задавати запитання ведучим. Сеанси на вимогу можна дивитись у своєму власному темпі, і якщо у вас є якісь запитання, поставте їх в зоні «Запитайте наших експертів» та почуйте безпосередньо від розробників цих можливостей! Наступні посилання на сесії працюватимуть, лише якщо ви зареєстровані на конференції, але будуть оновлені, як тільки вони стануть доступними для всіх.

Глибоке занурення в глибоке навчання

Незалежно від того, чи новачок ви в глибокому навчанні, чи вже глибоко вивчений на ніндзя, ви обов'язково насолоджуєтесь цим демо-пакетом про те, що можливо зробити за допомогою геопросторового глибокого навчання в ArcGIS. Ця сесія проведе вас демонстраційними програмами через інструменти в ArcGIS Pro , поговорить про сценарії масштабування вашої обробки за допомогою ArcGIS Image Server, познайомить вас з API ArcGIS для Python за допомогою демонстрацій на основі сценаріїв і, нарешті, охопить точки доступу до інструментів глибокого навчання в ArcGIS. Це буде ваш універсальний магазин, щоб зрозуміти, де глибоке навчання підходить для ArcGIS.

Інтерактивне виявлення об’єктів в ArcGIS Pro

Глибоке навчання за допомогою зображень та 3D-даних

Глибоке навчання надзвичайно добре справилося з комп'ютерним зором. Це особливо корисно для ГІС-програм, оскільки супутникові, аерофотознімки та безпілотні апарати збирають дані зі швидкістю, яка унеможливлює їх аналіз за допомогою традиційних методів. У цьому  демонстраційному сеансі дізнайтеся про широку підтримку зображень та 3D-даних у модулі arcgis.learn ArcGIS API для Python. Ми покажемо, як можна виконати класифікацію та виявлення об’єктів, класифікацію пікселів, виявлення країв, перетворення зображень, підписування, виявлення змін, вилучення доріг із зображень та даних хмари точок.

Виявлення дороги за допомогою моделі MultiTaskRoadExtractor у arcgis.learn

Глибоке навчання з неструктурованим текстом

Просторові дані часто приховуються в неструктурованих форматах, таких як текстові звіти. Обробка природної мови (NLP) - це область машинного навчання, яка дозволяє витягувати цю інформацію з таких даних. У цьому сеансі на вимогу дізнайтеся, як ГІС та NLP поєднуються за допомогою нещодавно доданого модуля arcgis.learn.text в API ArcGIS для Python. Ми продемонструємо, як можна використовувати моделі розпізнавання іменованих сутностей та як неповні та деформовані вуличні адреси можна виправити, упорядкувати та доповнити, використовуючи моделі послідовності до послідовності та класифікації тексту.

Вилучення сутності з неструктурованого тексту

Поглиблене навчання за допомогою об'єктових, табличних та часових рядів

Глибокі нейронні мережі працюють так само добре щодо об’єктових, табличних та часових рядів, як і для зображень та неструктурованого тексту. Ці моделі можуть класифікувати райони, сприйнятливі до захворювання, на основі біокліматичних факторів або передбачати ефективність сонячних електростанцій на основі погодних факторів. У цьому сеансі на вимогу ви дізнаєтесь, як можна інтегрувати ArcGIS з десятками моделей машинного навчання від scikit-learn, а також використовувати моделі глибокого навчання для прогнозування. Ви також дізнаєтесь про глибоке навчання arcgis.learn, засноване на TimeSeriesNetwork для прогнозування роздрібних продажів на основі історичних даних.

Модель повністю підключеної мережі використовується для прогнозування потужності сонячної електростанції

Отже, ви навчили модель глибокого навчання - що тепер? (Видання Dev)

За допомогою модуля arcgis.learn в API Python можна створювати різноманітні моделі глибокого навчання для виконання ряду завдань, починаючи від виявлення об’єктів і закінчуючи створенням зображень із надвисокою роздільною здатністю. На цьому занятті Маардже та Марк із Esri Nederland не збираються показувати вам, як тренувати таку модель, а що робити після того, як ви її навчите, за допомогою інструментів розробника Esri. У цьому сеансі ви можете навчитися інтегрувати моделі глибокого навчання у сценарії, які ви запускаєте щодня, автоматизувати використання навчених моделей або автоматично застосовувати ці моделі на нових наборах даних.

AppStudio та TensorFlow Lite: машинне навчання на Edge-пристроях

ArcGIS AppStudio тепер включає систему глибокого навчання TensorFlow Lite, завдяки чому ви можете створювати мобільні програми, здатні запускати моделі машинного навчання. Ця демонстраційна сесія дасть огляд створення моделей машинного навчання, здатних працювати на мобільних пристроях та способи розгортання моделей у програмі AppStudio.

Класифікація рослин у спеціальному додатку AppStudio

Аналітика в режимі реального часу на основі даних відео та зображень за допомогою глибокого навчання

Для тих, хто хоче застосувати глибоке навчання як для потокових так і для статичних зображень, не пропустіть цей демонстраційний показ, який надає поглиблений технічний огляд того, як це працює. Ви підете з розумінням вимог до інтеграції глибокого навчання для здійснення аналітики в режимі реального часу на основі відео та зображення вуличного рівня.

Визначення стану дороги за зображеннями відеореєстратора

На додаток до цих сесій, де основним напрямком є глибоке навчання, є ще декілька, де ШІ, машинне навчання та глибоке навчання висвітлюються як частина інших широких тем. Щоб дізнатися більше про них, перейдіть до порядку денного в Інтернеті та виберіть сесії, які викликають у вас інтерес. Повідомте нам, як ви ставитесь до сесій та що додати наступного року, заповнивши опитування сесій! Якщо у вас є які-небудь запитання, не соромтеся зупинятися на API Python, а також на каналах просторового аналізу та науки про дані в області Запитайте наших експертів!