Satelitní snímky mohou obsahovat bohatství informací, od počtu budov ve městě až po typ plodin pěstovaných na polích po celém světě. Ale extrahování těchto dat z obrázku je složitější než práce s vektorovými datovými sadami. Historicky, abyste extrahovali budovy, nebo bazény, nebo palmy na obrázku, bylo by potřeba ručně digitalizovat každý prvek, což mohl být proces trvající týdny nebo roky v závislosti na velikosti obrázku. Ale díky zlepšení výpočetního výkonu a novým, dostupným nástrojům pro deep learning v ArcGIS Pro může kdokoli naučit počítač vykonávat práci identifikace a extrakce prvků ze snímků.<\/SPAN><\/P>Na nejvyšší úrovni je deep learning, což je typ strojového učení, proces, kdy uživatel vytváří tréninkové vzorky, například kreslením polygonů přes střechy, a počítačový model se z těchto tréninkových vzorků učí a prohledává zbytek obrázku, aby identifikoval podobné prvky. Tento blogový příspěvek bude první ze série o třech částech, které se hlouběji ponoří do procesu, začínající požadavky na software a hardware pro spuštění deep learning modelu v ArcGIS Pro.<\/SPAN><\/P>https:\/\/www.esri.com\/arcgis-blog\/products\/arcgis-pro\/imagery\/deep-learning-with-arcgis-pro-tips-tricks\/<\/A><\/P> <\/P>
