El lugar de trabajo de AI y el flujo de trabajo de ArcGIS Deep Learning

KelleyArroyo

Escrito por: <\/SPAN>Steve Snow<\/A><\/H3>

Especialista Senior en Estrategia de la Industria Gubernamental Nacional de Esri<\/P>

Parte 4 de una serie de 7 partes que explora GIS y Inteligencia Artificial<\/STRONG><\/EM><\/P> <\/P>Bienvenido a la parte 4 de mi Serie AI y GeoAI que cubrirá los aspectos más técnicos de GeoAI y ArcGIS. Anteriormente, la parte 1 de esta serie cubrió los Impactos Futuros de la IA en el Mapeo y la Modernización, que introdujo el concepto de GeoAI y por qué deberías preocuparte por tener una IA como futuro compañero de trabajo. La parte 2 de la serie, GIS, Inteligencia Artificial y Automatización en el Lugar de Trabajo, cubrió profesiones geoespaciales específicas que se verán drásticamente afectadas por la introducción de la tecnología GeoAI en el lugar de trabajo. La parte 3 abordó Trabajar en Equipo con la Máquina - IA en el lugar de trabajo, el surgimiento de la nueva relación laboral geoespacial entre información, humanos e inteligencia artificial para tener éxito en la misión de una organización.<\/P>Para la parte 4, abordaremos 3 áreas específicas de GeoAI en ArcGIS que te ayudarán en tu viaje para desarrollar tus flujos de trabajo de Deep Learning.<\/P>Herramientas para Generar Datos de Entrenamiento<\/LI>Herramientas y APIs para Entrenar Modelos<\/LI>Herramientas para realizar inferencias, como detección de objetos, clasificación de cobertura terrestre y más...<\/LI><\/UL><\/span><\/P> <\/P>

Herramientas para Generar Datos de Entrenamiento<\/H3>ArcGIS tiene muchas herramientas que ayudan con los flujos de trabajo GeoAI para preparación y análisis de datos, entrenamiento de modelos deep learning, inferencias y compartir datos para colaboración con servicios web y mapas. Las herramientas para crear entrenamiento AI se encuentran en ArcGIS Pro Image Analyst y ArcGIS Image Server. ArcGIS Image Analyst tiene herramientas para etiquetar objetos y exportar modelos de entrenamiento para deep learning y usar modelos entrenados para extracción o clasificación de características. ArcGIS Image Server en ArcGIS Enterprise 10.7 y superior tiene las mismas capacidades y permite escalar mediante computación distribuida usando nubes on premise, off premise o enfoques híbridos.<\/P>Además de usar herramientas preconstruidas dentro de los productos ArcGIS, los usuarios también pueden trabajar mediante scripting y notebooks.<\/P><\/span><\/P> <\/P>Herramientas y APIs para Entrenar Modelos<\/H3>El entrenamiento de modelos puede hacerse ya sea a través de ArcGIS notebooks, ArcGIS Learn API o en ArcGIS Pro. <\/UL>

<\/span><\/P> <\/P> <\/P>

Non-Maximum Suppression<\/A><\/STRONG> - Identifica entidades duplicadas del resultado de la herramienta Detect Objects Using Deep Learning como un paso de posprocesamiento y crea una nueva salida sin entidades duplicadas. La herramienta Detect Objects Using Deep Learning puede devolver más de un cuadro delimitador o polígono para el mismo objeto, especialmente como un efecto secundario del mosaico. Si dos entidades se superponen más que una proporción máxima dada, se eliminará la entidad con el valor de confianza más bajo.<\/LI><\/UL>

<\/span><\/P> <\/P>Me gustaría agradecer a todos por seguir esta serie. Para la parte 5 de la próxima entrega me centraré en Providing National Scalability 93 Modernizing National Mapping Capabilities with AI and National 3D Basemaps.<\/P>Si se perdió las 3 secciones anteriores de esta serie de 7 partes, no dude en visitar los artículos anteriores.<\/P>

Parte 1: Future Impacts by AI on Mapping and Modernization<\/A><\/P>

Parte 2: GIS, Artificial Intelligence, and Automation in the Workplace<\/A><\/P>

Parte 3: Teaming with the Machine: AI in the Workplace<\/A><\/P>

 <\/P>

 <\/P>

 <\/P>

 <\/