Las imágenes satelitales pueden contener una gran cantidad de información, desde el número de edificios en una ciudad hasta el tipo de cultivos que se están cultivando en campos alrededor del mundo. Pero extraer estos datos de una imagen es más complicado que trabajar con conjuntos de datos vectoriales. Históricamente, para extraer los edificios, o piscinas, o palmeras en una imagen, habrías necesitado digitalizar manualmente cada característica, un proceso que podría tomar semanas o años dependiendo del tamaño de la imagen. Pero con las mejoras en la potencia informática y nuevas herramientas accesibles para el aprendizaje profundo en ArcGIS Pro, cualquiera puede entrenar a una computadora para hacer el trabajo de identificar y extraer características de las imágenes.<\/SPAN><\/P>A nivel más alto, el aprendizaje profundo, que es un tipo de aprendizaje automático, es un proceso donde el usuario crea muestras de entrenamiento, por ejemplo dibujando polígonos sobre techos, y el modelo informático aprende de estas muestras de entrenamiento y escanea el resto de la imagen para identificar características similares. Esta publicación del blog será la primera de una serie de tres partes que profundizan en el proceso, comenzando con los requisitos de software y hardware para ejecutar un modelo de aprendizaje profundo en ArcGIS Pro.<\/SPAN><\/P>https:\/\/www.esri.com\/arcgis-blog\/products\/arcgis-pro\/imagery\/deep-learning-with-arcgis-pro-tips-tricks\/<\/A><\/P> <\/P>
