AI職場とArcGIS Deep Learningワークフロー

KelleyArroyo

著者: <\/SPAN>Steve Snow<\/A><\/H3>

Esri シニアナショナル政府産業戦略スペシャリスト<\/P>

GISと人工知能を探る7部構成シリーズの第4部<\/STRONG><\/EM><\/P> <\/P>私のAIとGeoAIシリーズの第4部へようこそ。ここではGeoAIとArcGISのより技術的な側面を扱います。以前、このシリーズの第1部では、マッピングと近代化におけるAIの将来の影響について取り上げ、GeoAIの概念と将来の同僚としてAIを持つことがなぜ重要かを紹介しました。第2部では、職場におけるGIS、人工知能、および自動化について、GeoAI技術の導入によって大きく影響を受ける特定の地理空間専門職を扱いました。第3部では、「機械とのチーミング - 職場におけるAI」と題し、情報、人間、人工知能という新しい地理空間的な協働関係が組織のミッション成功にどう寄与するかを論じました。<\/P>第4部では、Deep Learningワークフロー開発の旅を助けるArcGIS内の3つの特定のGeoAI分野について説明します。<\/P>トレーニングデータ生成ツール<\/LI>モデル訓練用ツール＆API<\/LI>推論実行ツール（物体検出、土地被覆分類など）<\/LI><\/UL><\/span><\/P> <\/P>

トレーニングデータ生成ツール<\/H3>ArcGISには、データ準備と分析、深層学習モデルの訓練、推論、Webサービスやマップによるコラボレーション用データ共有などGeoAIワークフローを支援する多くのツールがあります。AIトレーニング作成用ツールはArcGIS Pro Image AnalystとArcGIS Image Serverにあります。ArcGIS Image Analystはオブジェクトラベリングや深層学習用トレーニングモデルのエクスポート、訓練済みモデルを使った特徴抽出や分類用ツールを備えています。ArcGIS Enterprise 10.7以降のArcGIS Image Serverも同様の機能を持ち、オンプレミスやオフプレミス、ハイブリッドクラウド環境で分散コンピューティングによるスケーリングが可能です。<\/P>ArcGIS製品内蔵ツール利用に加え、スクリプトやノートブックで作業することも可能です。<\/P><\/span><\/P> <\/P>モデル訓練用ツール＆API<\/H3>モデル訓練はArcGISノートブック、ArcGIS Learn API、またはArcGIS Proで行えます。ArcGIS Notebooks<\/A><\/STRONG>は事前設定済みJupyterノートブックへのワンクリックアクセスを提供します。これには簡単な訓練と展開が可能な深層学習モデルを含む事前設定ノートブックギャラリーが含まれています。<\/P>

arcgis.learn<\/A><\/STRONG>はArcGIS API for Pythonのモジュールであり、組織が深層学習を容易に採用しワークフローに適用できるようにします。arcgis.learn<\/A><\/STRONG>は最先端深層学習モデルのシンプルで直感的な訓練を可能にします。arcgis.learn<\/A><\/STRONG>は訓練プロセス中の試行錯誤を排除し高速化します。エクスポートされたトレーニングサンプルを直接利用し作成したモデルはArcGIS ProやArcGIS Image Serverで直接推論に使用できます。<\/P>

ArcGIS Proユーザーはリモートセンシングデータ分類用に深層学習訓練手法を利用できます。ピクセル分類、画像分類、オブジェクト分類および検出がすべてArcGIS Proで可能です。詳細は

deep learning in ArcGIS Pro<\/A><\/STRONG>ヘルプページをご覧ください。これによりArcGIS ProとArcGIS Onlineでノートブックが利用可能となり、デスクトップ上で深層学習実験が始められます。<\/P>

ArcGISで訓練する際に興味深い分野は事前訓練済みモデル活用です。この機能に興味がある方は以下ドキュメントをご確認ください。model_typeおよびbackbone_modelパラメーター内で訓練済み深層学習モデルとそのバックボーンが記載されています：

Train Deep Learning Model<\/A><\/STRONG>.<\/P>

 <\/P>

推論 - 組織は ArcGIS Image Analyst と ArcGIS Image Server のどちらを使うべきか？<\/H3>推論とはトレーニングデータから開発された訓練済みモデルを未使用または新規データセットに適用し、新たな注釈やラベリングセットを作成するプロセスです。ArcGISは長年機械学習機能とツールとして利用されてきました。物体識別や画像分類など多様な地理空間問題解決に使えます。<\/P>ArcGISの深層学習では推論ツールがArcGIS Image AnalystとArcGIS Enterpriseの一部であるArcGIS Image Server両方にあります。「a) ArcGIS Image Analyst」と「b) ArcGIS Image Server」のどちらを推論に使うべきか疑問に思うかもしれません。<\/P> <\/P>ArcGIS Pro Image Analystによる推論<\/H3>ArcGIS Enterpriseへのアクセスがない場合は、深層学習向けグラフィックスカード搭載デスクトップ版 ArcGIS Image Analyst<\/A><\strong> を使って推論／処理できます。ArcGIS Image Analystは平均規模プロジェクトに適していますが、大規模プロジェクトの場合スタッフは ArcGIS Image Server<\a> を使いワークフロー拡張も可能です。<\p> <\p>ArcGIS Image Serverによる推論<\h3>物体検出自動化には時間がかかります。プロジェクトが小規模でなくAI操作をスケール・最適化する必要がある場合、大規模ジョブ実行時には ArcGIS Image Server の使用がおすすめです。ArcGIS Imager Server利用は常に最速かつ最も効率的な選択肢となります。また推論結果出力物を組織内外の独自空間データインフラ経由で直接共有・アクセス可能になる利点もあります。<\p>高性能GPU保有者で ArcGIS Pro と ArcGIS Enterprise の使い分けについてさらに知りたい場合は、この素晴らしい記事 Which is better for deep learning ArcGIS Pro or ArcGIS Enterprise? を Esri 同僚 Vinay Vishwambharan と Emily Windahl から読むことをおすすめします。<\p> <\p>ツール - 人気推論ツールいくつか<\h3>推論ツール<\p>Classify Pixels Using Deep Learning - ラスター解析展開では、このツールは入力画像上で訓練済み深層学習モデルを実行し、ポータル内ホストイメージレイヤーとして公開される分類済みラスターを生成します。<\p> Object Detection Using Deep Learning - ラスター解析展開では、このツールは入力ラスター上で訓練済み深層学習モデルを実行し、それが識別したオブジェクトを含むフィーチャクラスを生成します。そのフィーチャクラスは共有可能です ポータル内のホストされたフィーチャ レイヤー。フィーチャは、検出されたオブジェクトの周囲のバウンディング ボックスやポリゴン、またはオブジェクトの中心点のポイントであることができます。<\/LI><\/UL><\/span><\/P> <\/P> <\/P>Non-Maximum Suppression<\/A><\/STRONG> - Detect Objects Using Deep Learning ツールの出力から重複するフィーチャを後処理ステップとして識別し、重複のない新しい出力を作成します。Detect Objects Using Deep Learning ツールは、特にタイル処理の副作用として、同じオブジェクトに対して複数のバウンディング ボックスやポリゴンを返すことがあります。2つのフィーチャが指定された最大比率以上に重なる場合、信頼度の低い方のフィーチャが削除されます。<\/LI><\/UL>

<\/span><\/P> <\/P>このシリーズをフォローしてくださった皆様に感謝いたします。次回の第5部では、「Providing National Scalability – Modernizing National Mapping Capabilities with AI and National 3D Basemaps」に焦点を当てます。<\/P>この7部構成シリーズの前の3つのセクションを見逃した方は、ぜひ前の記事をご覧ください。<\/P>

パート1：マッピングと近代化におけるAIの将来への影響<\/A><\/P>

パート2：職場におけるGIS、人工知能、および自動化<\/A><\/P>

パート3：機械とのチーミング：職場におけるAI<\/A><\/P>

 <\/P>

 <\/P>

 <\/P>

 <\/P>