De AI-werkplek en ArcGIS Deep Learning Workflow

KelleyArroyo

Geschreven door: <\/SPAN>Steve Snow<\/A><\/H3>

Esri Senior National Government Industry Strategy Specialist<\/P>

Deel 4 van een serie van 7 delen die GIS en Artificial Intelligence onderzoekt<\/STRONG><\/EM><\/P> <\/P>Welkom bij deel 4 van mijn AI en GeoAI-serie die de meer technische aspecten van GeoAI en ArcGIS zal behandelen. Eerder behandelde deel 1 van deze serie de Toekomstige Impacten van AI op Kaartlegging en Modernisering, waarin het concept GeoAI werd geïntroduceerd en waarom je zou moeten geven om het hebben van een AI als toekomstige collega. Deel 2 van de serie, GIS, Artificial Intelligence, en Automatisering op de Werkplek, behandelde specifieke georuimtelijke beroepen die drastisch beïnvloed zullen worden door de introductie van GeoAI-technologie op de werkplek. Deel 3 ging over Samenwerken met de Machine - AI op de werkplek, de opkomst van de nieuwe georuimtelijke werkrelatie tussen informatie, mensen en artificial intelligence om succesvol te zijn in de missie van een organisatie.<\/P>Voor deel 4 zullen we 3 specifieke GeoAI-gebieden in ArcGIS behandelen die je zullen helpen bij je reis naar het ontwikkelen van je Deep Learning-workflows.<\/P>Tools om Trainingsdata te Genereren<\/LI>Tools & API's voor het Trainen van Modellen<\/LI>Tools om inferentie uit te voeren, zoals objectdetectie, landbedekkingsclassificatie en meer...<\/LI><\/UL><\/span><\/P> <\/P>

Tools om Trainingsdata te Genereren<\/H3>ArcGIS heeft veel tools die helpen bij GeoAI-workflows voor datavoorbereiding en analyse, het trainen van deep learning-modellen, inferentie en het delen van data voor samenwerking met webservices en kaarten. De tools voor het creëren van AI-training zijn te vinden in ArcGIS Pro Image Analyst en ArcGIS Image Server. ArcGIS Image Analyst heeft tools voor het labelen van objecten en het exporteren van trainingsmodellen voor deep learning en het gebruik van getrainde modellen voor feature-extractie of classificatie. ArcGIS Image Server in ArcGIS Enterprise 10.7 en hoger heeft dezelfde mogelijkheden en maakt schaalvergroting mogelijk via gedistribueerde computing met clouds on premise, off premise of hybride cloudbenaderingen.<\/P>Naast het gebruik van vooraf gebouwde tools binnen de ArcGIS-producten kunnen gebruikers ook werken via scripting en notebooks.<\/P><\/span><\/P> <\/P>Tools & API's voor het Trainen van Modellen<\/H3>Het trainen van modellen kan worden gedaan via ArcGIS notebooks, ArcGIS Learn API of in ArcGIS Pro. ArcGIS Notebooks<\/A><\/STRONG> bieden één-klik toegang tot vooraf geconfigureerde Jupyter Notebooks. Dit omvat tijdbesparende deep learning-bibliotheken met een galerij van vooraf geconfigureerde notebooks die deep learning-modellen bevatten voor eenvoudige training en implementatie.<\/P>

De

arcgis.learn<\/A><\/STRONG> is een module in de ArcGIS API for Python waarmee organisaties gemakkelijk deep learning kunnen adopteren en toepassen in hun workflows. arcgis.learn<\/A><\/STRONG> maakt eenvoudige en intuïtieve training mogelijk van state-of-the-art deep learning-modellen. arcgis.learn<\/A><\/STRONG> maakt veel snellere training mogelijk en verwijdert giswerk in het trainingsproces. Het integreert naadloos met het ArcGIS-platform door direct gebruik te maken van geëxporteerde trainingsvoorbeelden, en de modellen die het creëert kunnen direct worden gebruikt voor inferentie in ArcGIS Pro en ArcGIS Image Server.<\/P>

ArcGIS Pro-gebruikers kunnen Deep Learning-trainingsmethoden gebruiken voor classificatie van op afstand waargenomen data. Pixelclassificatie, beeldclassificatie, objectclassificatie en detectie kunnen allemaal worden gedaan met ArcGIS Pro. Meer gedetailleerde informatie is te vinden op

deep learning in ArcGIS Pro<\/A><\/STRONG>-hulppagina's. Dit betekent dat met notebooks beschikbaar in ArcGIS Pro en ArcGIS Online mensen kunnen beginnen met experimenteren met Deep Learning op de Desktop.<\/P>

Een spannend gebied bij het gebruik van ArcGIS voor training is het benutten van pretrained modellen. Als je geïnteresseerd bent in deze mogelijkheden, bekijk dan het volgende document voor getrainde deep learning-modellen en hun backbones in de model_type- en backbone_model-parameters:

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

 <\/P>

Inferentie – moet mijn organisatie ArcGIS Image Analyst of ArcGIS Image Server gebruiken?<\/H3>Inferentie is het proces waarbij het getrainde model, ontwikkeld uit de trainingsdata, wordt toegepast op een eerder ongebruikte of nieuwe dataset om een nieuwe set annotaties en labels te creëren. ArcGIS wordt al lange tijd gebruikt voor machine learning-mogelijkheden en tools. Het kan worden gebruikt om diverse georuimtelijke problemen op te lossen, zoals identificatie van objecten en beeldclassificatie.<\/P>Met deep learning in ArcGIS zijn de tools beschikbaar in zowel ArcGIS Image Analyst als ArcGIS Image Server, dat onderdeel is van ArcGIS Enterprise. Je vraagt je misschien af wanneer je a) ArcGIS Image Analyst versus b) ArcGIS Image Server moet gebruiken voor inferentie?<\/P> <\/P>Inferentie met ArcGIS Pro Image Analyst<\/H3>Als je geen toegang hebt tot ArcGIS Enterprise, kun je ArcGIS Image Analyst<\/A><\strong> (desktop) gebruiken om inferentie/verwerking uit te voeren met een grafische kaart bedoeld voor deep learning. ArcGIS Image Analyst werkt goed bij projecten van gemiddelde omvang, maar bij grotere projecten hebben medewerkers de optie hun workflows te schalen naar grotere datasets met ArcGIS Image Server<\A>.<\p>
 <\p>
Inferentie met ArcGIS Image Server<\h3>
Automatisering van objectdetectie kost tijd. Wanneer je project niet klein is en je je AI-operaties moet schalen en optimaliseren, dan moet ArcGIS Image Server worden gebruikt bij het uitvoeren van grote taken. Het gebruik van ArcGIS Image Server zal altijd de snelste en meest efficiënte optie zijn. Een bijkomend voordeel van het gebruik van ArcGIS Image Server voor inferentie is dat inferentie-uitvoer gedeeld kan worden die toegankelijk is en direct gedeeld wordt via je eigen ruimtelijke data-infrastructuur binnen en buiten de organisatie.<\p>
Als je een high-end GPU hebt en meer tips nodig hebt over wanneer je ArcGIS Pro versus ArcGIS Enterprise moet gebruiken, raad ik aan dit geweldige artikel te lezen Which is better for deep learning ArcGIS Pro or ArcGIS Enterprise? van mijn Esri-collega's Vinay Vishwambharan en Emily Windahl.<\p>
 <\p>
Tools – enkele populaire inferentietools<\h3>
Inferentietools<\p>
Classify Pixels Using Deep Learning - In een rasteranalyse-implementatie voert deze tool een getraind deep learning-model uit op een invoerbeeld om een geclassificeerd raster te produceren dat wordt gepubliceerd als een gehoste afbeeldingslaag in je portal.<\p>

 

Object Detection Using Deep Learning - In een rasteranalyse-implementatie voert deze tool een getraind deep learning-model uit op een invoerraster om een feature class te produceren die de objecten bevat die het identificeert. De feature class kan worden gedeeld als een gehoste feature layer in uw portal. De features kunnen begrenzingsvlakken of polygonen zijn rond de gevonden objecten, of punten in het midden van de objecten.<\/LI><\/UL><\/span><\/P> <\/P> <\/P>Non-Maximum Suppression<\/A><\/STRONG> - Identificeert dubbele features uit de output van de Detect Objects Using Deep Learning tool als een naverwerkingsstap en maakt een nieuwe output zonder dubbele features. De Detect Objects Using Deep Learning tool kan meer dan één begrenzingsvlak of polygoon voor hetzelfde object retourneren, vooral als een tegelbijwerking. Als twee features meer dan een gegeven maximale verhouding overlappen, wordt de feature met de lagere betrouwbaarheidswaarde verwijderd.<\/LI><\/UL>

<\/span><\/P> <\/P>Ik wil iedereen bedanken voor het volgen van deze serie. Voor deel 5 van de volgende aflevering zal ik me richten op Providing National Scalability 013 Modernizing National Mapping Capabilities with AI and National 3D Basemaps.<\/P>Als u de vorige 3 delen van deze 7-delige serie hebt gemist, kunt u gerust de eerdere artikelen bezoeken.<\/P>

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

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

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

 <\/P>

 <\/P>

 <\/P>

 <\/