2020年4月7日に開催されたウェビナー「Merging Location and Artificial Intelligence」のEsri Pipeline録画をお楽しみください。
以下にウェビナーセッションから選択された質問と回答を掲載しています。ありがとうございます。
質問： AIのトレーニング／学習は一度に一つのタスクですか、それとも学習タスクをネストまたは構築できますか？
回答： 結合したい学習タスクによります。猫や犬など様々な動物を分類するモデルのトレーニングは単一モデルで可能です（猫モデル、犬モデルなどは不要です）。しかし、異なる種類のタスクを行うモデルの場合、一般的にはできません。特定のユースケースに対してモデルアーキテクチャの選択が重要であり、アーキテクチャは融合できないため、異なる種類のタスクは別々にすべきです。
例えば、高精度のピクセル分類はUNetを使って効率的に達成されており、物体検出はResNetで優れた性能を発揮します。これらのアーキテクチャを融合して単一モデルで両方のタスクを行うことは不可能ですが、訓練済みモデルを順番に呼び出して個別のタスクを実行することは可能です。例えば、物体検出モデルでウェルパッドを検出し、その画像のサブセットであるウェルパッドにピクセル分類モデルを適用してタンクやバッテリーなどの資産機器を識別する方法です。
質問： GeoAIトレーニングスクリプトのプールはありますか、それともユーザーは常にすべてのユニークなスクリプトをプログラムする必要がありますか？
回答： 「トレーニングスクリプト」の意味によります。以下の3点に注意してください：
- モデルを実際にトレーニングするプロセスはArcGIS API for Pythonでは2行のコードです。モデルアーキテクチャを選択し、インスタンス化したアーキテクチャでmodel.fitメソッドを呼び出すと訓練済みモデルが出力されます。
- ArcGIS Proでのトレーニングプロセスにはスクリプトは不要です。「Export Training Data for Deep Learning」「Train Deep Learning Model」「Detect Objects Using Deep Learning／Classify Pixels Using Deep Learning」はすべてArcGIS Proジオプロセシングツールであり、データが対応していれば自動化ワークフローに組み込むことも可能です。
- developers.arcgis.comにはArcGIS API for Python用のサンプルがあり、GitHubリポジトリにはJupyter Notebookが多数あります。それらすべてが機械学習ではありませんが、いくつかは機械学習関連です。ただし、ご自身のデータセットやパラメータ、モデルアーキテクチャ、ユースケースに合わせて適応させる必要があります。
質問： このワークフローの無料オンラインチュートリアルはありますか？
回答： はい！Esri AcademyのArcGIS Spatial Data Science MOOCをご覧ください。これはデータエンジニアリングからモデル開発、データ可視化や共有までAI／MLプロセスに関する多くの優れたリソースがあります。またdevelopers.arcgis.comにはPython API用サンプルがあり、その中には機械学習機能を示すものもあります。動画で示された特定ユースケースについてはチュートリアル形式のウォークスルーはありませんが、medium.com/geoaiに技術的詳細でワークフローを説明した記事があります。
質問： PODSなど他のパイプラインデータモデルはサポートされていますか？
回答： はい、業界標準データモデルであるPODSやUPDMなど空間化されている限りサポートされています。
質問： "ArcGIS Image Analyst" エクステンションの評価ライセンスを取得する方法はありますか？
回答： はい、Image Analyst用の標準評価ライセンスをご提供できます。詳細についてはJeff Allenまでお問い合わせください。
質問： 空間分析におけるLinked dataの役割は何ですか？
回答： Linked dataとは、相互リンクされたデータセットをウェブ上で公開し、より効果的なセマンティッククエリを可能にする特定の手法を指す技術用語です。これによりアプリケーションはデータ片同士を接続して意味や論理を推論できます。この良い例（そして一般的な実装）はナレッジグラフです。
空間分析では、リンクされたデータセットを表すグラフデータ構造を使用して意味情報と位置情報を結びつけることがあります。これはXY座標と地名を関連付ける単純なものから、位置情報・通信メタデータ・財務情報の組み合わせで人々間の関係性を確立する複雑なものまで様々です（防衛・情報・法執行コミュニティでよく使われるユースケース）。これをリンク分析またはネットワーク分析と呼び、その分析過程には空間要素が基盤となっています。
<\/P>
<\/SPAN><\/P>質問:<\/STRONG><\/SPAN> Esriには施設データモデルがありますか？例えば、建物、資産、廃止管理などを管理するもので、xmlをダウンロードできる場所はありますか？ <\/SPAN><\/P>回答:<\/STRONG><\/SPAN> はい、Esriの施設データモデルはUPDMであり、こちらからダウンロードできます <\/SPAN>here<\/A><\/SPAN><\/P> <\/SPAN><\/P>質問:<\/STRONG><\/SPAN> これらの技術を海底データに成功裏に適用した例はありますか？<\/SPAN> multibeam<\/SPAN>調査の結果は広範なポイントセットを生成します。私たちは主に海底パイプラインを扱っていますが、それでも大規模なデータセットがあります。<\/SPAN><\/P>回答:<\/STRONG><\/SPAN> 現時点ではこれらの機械学習アルゴリズムを海底multibeam調査データに適用した例はありませんが、これらの機械学習技術をライダーやその他のセンサーに基づく多様なデータセットに適用して成功を収めています。ご興味があれば、このユースケースについてさらに検討するためにぜひご連絡ください。<\/SPAN><\/P> <\/SPAN><\/P>
