Imagens de satélite podem conter uma riqueza de informações, desde o número de edifícios em uma cidade até o tipo de culturas sendo cultivadas em campos ao redor do mundo. Mas extrair esses dados de uma imagem é mais complicado do que trabalhar com conjuntos de dados vetoriais. Historicamente, para extrair os edifícios, ou piscinas, ou palmeiras em uma imagem, você precisaria digitalizar manualmente cada feição, um processo que poderia levar semanas ou anos dependendo do tamanho da imagem. Mas com melhorias no poder computacional e novas ferramentas acessíveis para deep learning no ArcGIS Pro, qualquer pessoa pode treinar um computador para fazer o trabalho de identificar e extrair feições de imagens.<\/SPAN><\/P>No nível mais alto, deep learning, que é um tipo de machine learning, é um processo onde o usuário cria amostras de treinamento, por exemplo desenhando polígonos sobre telhados, e o modelo computacional aprende a partir dessas amostras de treinamento e escaneia o resto da imagem para identificar feições similares. Este post no blog será o primeiro de uma série de três partes que mergulha mais fundo no processo, começando pelos requisitos de software e hardware para executar um modelo de deep learning no ArcGIS Pro.<\/SPAN><\/P>https:\/\/www.esri.com\/arcgis-blog\/products\/arcgis-pro\/imagery\/deep-learning-with-arcgis-pro-tips-tricks\/<\/A><\/P> <\/P>
