MapGIS深度学习流程工具全面升级，AI+GIS迎来新突破

candy33

深度学习是机器学习中一种基于对数据进行表征学习的算法，也是现阶段人工智能技术研究的核心问题，它使得机器模仿人类的视听和思考活动，解决了很多复杂的模式识别难题。在我们日常生活中，小到抖音短视频个性化推荐、智能语音助手、手机拍照滤镜，大到自动机器翻译、自动驾驶汽车，深度学习的身影实际上已是随处可见。而当GIS具备深度学习的能力之后，将会给空间地理信息的应用带来哪些变化？国产软件mapgis在深度学习技术上的探索，给我们带来了答案。

基于语义分割、影像分类、目标检测和实例分割，MapGIS深度学习功能为用户提供了从数据制作到模型训练，以及基于训练的模型进行场景推理的一整套流程工具。近期，MapGIS全面升级深度学习工具，迎来了AI+GIS的技术融合的新突破！

图  MapGIS深度学习工具

深度学习流程全面升级，带来全新体验

本次MapGIS深度学习工具在数据准备、模型构建和模型应用三大流程上都做了细致的优化和升级，在数据准备阶段升级数据增强算法，通过随机掩膜等方式来进行数据增强，提升数据样本的多样性；在模型构建上新增了Efficient Net， Attention Unet，Deeplabv3，Transformer，YOLOv4等模型，丰富了模型库；在模型应用上增加了推理结果后处理算法，通过结果后处理精细化模型预测结果。

图  深度学习功能流程图

1.数据准备

数据准备主要分为两个部分：第一部分是数据的获取与准备，数据可以通过外野采集的方式或根据历史积累的原始数据经过数据清理、预处理和格式转化等方式获得；第二部分是利用经过处理的数据生成数据集：将原始数据转化为影像数据和标签数据两个部分。为了获得更好的模型泛化能力，数据集提供了内置的自适应数据增强算法对数据进行增强处理。以道路提取为例，首先在数据准备阶段不仅仅需要包含感兴趣区域的影像数据，还需要包含道路的矢量文件(或与影像数据分辨率相同的栅格标签文件)。

2.模型构建与管理

模型构建与管理，即基于前期数据准备过程中生成的训练数据样本，训练神经网络模型，同时通过验证集和测试集对训练模型进行不断的迭代评估，以达到实际的应用准确度和精准度要求。如下图所示为MapGIS深度学习功能训练流程：

图 模型训练流程

MapGIS默认提供基于Faster-RCNN 模型进行影像目标检测，也可根据具体的应用场景，选用更适合的深度学习网络模型进行影像目标检测。依照模型训练的周期时长，MapGIS提供支持短周期模型训练的MapGIS桌面端训练工具和支持长周期模型训练的MapGIS Web端服务方式训练工具。如下图为MapGIS桌面端的模型训练工具：

图 深度学习Unet模型训练工具

3.模型发布与应用

MapGIS 提供的模型应用引擎支持CPU 和GPU 两种计算模式，推荐使用GPU 模式。通过MapGIS 深度学习工具可以提供包括目标检测、语义分割、地物分类、影像分类等功能覆盖，同时可通过MapGIS Web端机器学习模块实现服务发布，通过组件或Web 多种方式进行功能实现模型应用。

GIS+AI，创新地理空间应用场景

在传统机器学习技术的基础上，GIS 与机器学习的融合更关注空间维度的元素，这个空间维度通常采用形状、密度、邻接性、空间分布或接近度的度量形式，进而将地理空间的概念纳入到机器学习中，提供更加丰富的人工智能功能。由于当前大数据范畴中，80%都包含或者隐藏包含空间信息，所以当前很多GIS领域的应用场景都将在深度学习等人工智能技术的加持下得到创新性变化。MapGIS深度学习工具在岩性识别、建筑物提取、无人机检测车辆、二元变化检测等方向都有较好的应用效果。

1.岩性识别

MapGIS基于高层视觉信息，提供了深度网络模型残差网络(resnet)等30多种网络用于提取图像的抽象语义信息，无需人工取特征，经过充分训练后的网络分类效果也比较理想。影像分类不仅仅可以用于较大尺度的分类任务，如城市局部气候区分类等，还可以以图片为单位对相类似图片进行区分，例如根据给定岩石图片进行岩性识别，如下图为灰白石泡流纹岩石的识别结果：

图  岩性识别

2.建筑物提取

利用MapGIS深度学习工具的影像分割功能，可以实现建筑物提取。下图为某地区的建筑物二元分类的结果，可将提取结果自动矢量化成建筑矢量面，从而得到建筑位置和矢量边界的信息。

图  基于二元分类建筑物对象提取结果示意图

3.无人机检测车辆

在MapGIS深度学习工具中，目标检测使用深度学习算法对遥感图像中的一个或多个目标的类别和位置进行自动化判定与识别，并以矢量框的形式作为标记，确定其类别和位置。采用深度学习的方法，改进影像数据目标检测的过程，针对遥感图像上常见的同类目标大小不一的情况，优化对小目标的识别能力，以达到更好的检测结果。整个过程只需要输入一幅影像和确定识别目标类别，就能快速获得兴趣目标的矢量数据。下图为无人机拍摄某区域的车辆目标检测结果，红色框为检测出来的车辆，可以快速准确定位车辆分布、位置及数量，为车辆管理、车辆管控等领域提供基本的数据支撑。

图 无人机车辆目标检测

4.变化检测(二元)

二元变化检测是指对输入的两年份影像进行二值运算(即是否发生变化)，基于像素级分类后输出结果，主要应用为土地利用变化等方面。如图所示，基于MapGIS深度学习工具二元变化检测所做出的城市建筑物变化检测的结果图。

图 基于二元变化检测的结果示意图

MapGIS+深度学习

MapGIS将自身优秀的空间运算能力与深度学习等人工智能技术相融合，让GIS具备效仿人脑的能力，进一步加强了空间信息领域复杂数据的解释与分析能力，极大地提升了效率，为传统的GIS应用领域注入新的动能！