Satellitenbilder können eine Fülle von Informationen enthalten, von der Anzahl der Gebäude in einer Stadt bis hin zur Art der auf Feldern weltweit angebauten Nutzpflanzen. Aber das Extrahieren dieser Daten aus einem Bild ist komplizierter als die Arbeit mit Vektor-Datensätzen. Historisch gesehen hätte man, um die Gebäude, Schwimmbäder oder Palmen in einem Bild zu extrahieren, jedes Merkmal manuell digitalisieren müssen, ein Prozess, der je nach Größe des Bildes Wochen oder Jahre dauern konnte. Aber mit Verbesserungen der Rechenleistung und neuen, zugänglichen Tools für Deep Learning in ArcGIS Pro kann jeder einen Computer trainieren, um die Arbeit der Identifizierung und Extraktion von Merkmalen aus Bildern zu übernehmen.<\/SPAN><\/P>Auf höchster Ebene ist Deep Learning, eine Art des maschinellen Lernens, ein Prozess, bei dem der Benutzer Trainingsbeispiele erstellt, zum Beispiel durch Zeichnen von Polygonen über Dächern, und das Computermodell lernt aus diesen Trainingsbeispielen und durchsucht den Rest des Bildes, um ähnliche Merkmale zu identifizieren. Dieser Blogbeitrag wird der erste einer dreiteiligen Serie sein, die tiefer in den Prozess eintaucht, beginnend mit den Software- und Hardwareanforderungen zum Ausführen eines Deep Learning Modells in ArcGIS Pro.<\/SPAN><\/P>https:\/\/www.esri.com\/arcgis-blog\/products\/arcgis-pro\/imagery\/deep-learning-with-arcgis-pro-tips-tricks\/<\/A><\/P> <\/P>
