GeoScene GeoAI地理感知智能技術最新進展及應用場景探索.pdf

《GeoScene GeoAI地理感知智能技術最新進展及應用場景探索.pdf》由會員分享，可在線閱讀，更多相關《GeoScene GeoAI地理感知智能技術最新進展及應用場景探索.pdf（52頁珍藏版）》請在三個皮匠報告上搜索。

1、GeoScene GeoAI地理感知智能技術最新進展及應用場景探索易智瑞信息技術有限公司趙素雯人工智能（AI）與GeoAI01GeoScene GeoAI 場景GeoScene GeoAI 工具0203REPORT OUTLINE目錄目錄人工智能（AI）與 GeoAI人工智能是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。何為人工智能？強人工智能弱人工智能具體任務驅動的人工智能自主完成一系列任務，具有類人的邏輯推理、聯想、意識控制等綜合能力的智能分享地理價值幫助用戶成功助力產業發展符號主義的邏輯推理方法專家系統深度學習深度學習語音識別、圖像識別算法突破人

2、工智能技術發展歷程2015.072017.072017.102017.12國家新一代人工智能創新發展試驗區建設工作指引：力爭到2030年，布局建設20個左右試驗區2018.072018年政府工作報告：人工智能再次列入政府工作報告：加強新一代人工智能研發應用。2019.08國務院正式印發新一代人工智能發展規劃，戰略確立了新一代人工智能發展三步走戰略目標，人工智能的發展至此上升到國家戰略層面2020.促進新一代人工智能產業發展三年行動計劃（2018-2020年）發布國務院關于積極推進“互聯網+”行動的指導意見發布，將人工智能作為重點布局的11個領域之一十九大報告人工智能正式寫入十九大工作報告，將推

3、動互聯網、大數據、人工智能和實體經濟的深度融合國家多次布局“新基建”：國務院常務會議中央全面深化改革委員會第十二次會議中央政治局常務委員會會議11月3日，中共中央關于制定國民經濟和社會發展第十四個五年規劃和二三五年遠景目標的建議發布：科技前沿領域，新一代人工智能排名第一位人工智能成為國家科技發展的戰略支撐之一機器學習（含深度學習)強化學習圖算法知識圖譜運籌優化機器人自然語言處理搜索引擎計算機視覺（2D&3D）計算機圖形學語音識別基礎層應用層監督機器學習-邏輯回歸、KNN、決策樹、支持向量機、隨機森林非監督機器學習-k-means、DBSCAN基于密度的聚類考慮時間序列的算法：ARMA、NARM

4、A、LSTM概率圖模型-有向圖模型（樸素貝葉斯、隱馬爾可夫模型）-無向圖模型（受限玻爾茲曼機模型、條件隨機場模型、馬爾可夫隨機場模型）卷積神經網絡循環神經網絡對抗神經網絡策略梯度算法值函數擬合算法圖搜索路徑發現社群發現圖挖掘圖神經網絡知識抽取知識融合知識表示知識推理-圖像分類-目標檢測-圖像分割-目標跟蹤-圖像描述-圖像生成-三維幾何重建-深度估計-三維坐標估計-三維目標檢測和跟蹤等-詞向量表示-文本分類-序列標注-機器翻譯-文檔摘要制造水利金融環保自然資源應急管線互聯網醫療交通測繪審計園區行業層人工智能（AI）技術概覽GeoAI地理空間人工智能地理空間人工智能:人工智能、機器學習及深度學習與

5、地理信息系統的一體化人工智能、機器學習及深度學習與地理信息系統的一體化Integration of Artificial Intelligence,Machine Learning and Deep Learning with GISAIGIS語音識別自然語音生成計算機視覺自然語言處理人臉識別即時視覺翻譯數據采集時空大數據三維建?？臻g建模自動駕駛制圖智能預測應用創建激光雷達點云遙感影像分類、識別等點云三維模型重建交通預測、房價預測等GeoAI機器學習、深度學習本次分享側重計算機視覺領域的深度學習技術遙感影像點云視頻自然語言文本GeoAI:AI用于GIS領域的分析、方法和解決方案GeoScene

6、 GeoAI 場景GeoAI常見場景：目標檢測指計算機需要在圖像中查找目標特征及位置。廣泛用于定位衛星、航空或無人機影像中的某些特定特征，并在地圖上繪制邊界框定位這些特征的位置。計算機為圖像分配一個標簽或類，比如基于普通相片或圖片的“貓狗分類”。在GIS中主要可用于對帶有地理特征的圖片進行分類，如“密集人群”分類、受損房屋分類、不同作物種植分類、游泳池是否富營養化分類等GeoAI常見場景：對象分類圖像中的每個像素都被歸為一個特定類別，比如下面左圖圖像中，黃色像素被歸類為貓，綠色像素歸為地面，藍色像素歸為天空。在GIS中，這通常被稱為像素分類、圖像分割或圖像分類，常用于土地使用分類、或道路提取等

7、。例如，在下面右圖中，通過將道路像素與非道路像素做不同歸類，從而提取道路數據GeoAI常見場景：語義分割可將其視為一種更精確的對象檢測方法，它繪制每個對象實例的邊界，這種類型的深度學習應用也被稱為對象分割。在GIS中常用來提取同一類別的不同對象，如下面右圖中提取每一個建筑物的頂面GeoAI常見場景：實例分割在視頻中識別物體并以矩形框的方式標示，視頻目標檢測要解決的問題是對于視頻中每一幀目標的正確識別和定位。在GIS中視頻檢測可用于識別視頻中的移動目標，如車、人、船，在結合目標地理位置實現后續分析GeoAI常見場景：視頻對象識別與追蹤對點云數據集中的點進行分類和提取?？捎糜诨邳c云數據分類提取建

8、筑物、地面、電力線、電線桿等GeoAI常見場景：點云分類變化檢測是深度學習計算機視覺領域一個小方向，變化檢測方向所做的事情顧名思義，提取出兩幅不同時向變化的地方。一般來說，變化檢測根據場景以及我們的關注可以分為單類別變化以及多類別變化。單類別的常見場景如建筑物增減變化，多類別的常見場景如國情普查數據變化。GeoAI常見場景：變化檢測GeoScene中的深度學習算法，支撐GeoAI全場景GeoScene中的深度學習算法，支撐GeoAI全場景GeoScene GeoAI結合遙感影像的應用探索房屋提取空地提取網箱提取廠房提取棕櫚樹提取化工罐體提取道路提取礦井提取飛機識別查違拆違耕林園草提取油氣管道后

9、果區管理地理國情檢測-水體提取磚窯提取土地覆蓋分類政策支持黨的二十大報告強調，要“牢牢守住18億畝耕地紅線”全國國土空間規劃綱要(20212035年)關于全面實行永久基本農田特殊保護的通知業務需求以耕地和永久基本農田保護地塊圖斑為基礎，監測耕地種植和利用情況，發現疑似耕地“非農化”“非糧化”變化圖斑，每年監測2次非農化指標監測非糧化監測遙感+GeoAI 賦能業務轉型升級非農非糧監測（自然資源）GeoScene影像+AI提取耕地變化政策支持自然資源調查監測體系構建總體方案國土空間調查、規劃、用途管制用地用海分類指南業務需求以園地、林地、草地圖斑為基礎，主要監測園地、林地、草地圖斑變化情況，每年監

10、測兩次：監測園地、林地、草地圖斑的覆蓋及變化情況，監測園地、林地、草地圖斑以外區域（建設用地、未利用地）上林草覆蓋及變化情況遙感+GeoAI 賦能業務轉型升級林草資源監測（自然資源）政策支持中共中央 國務院關于做好2023年全面推進鄉村振興重點工作的意見全國種植業結構調整規劃業務需求遙感影像統籌遙感影像自動化處理遙感影像樣本庫制作變化信息智能提取種植作物識別遙感+GeoAI 賦能業務轉型升級種植結構調整（自然資源）GeoScene GeoAI應用于冬小麥種植面積提取數據及數據量：sentinel-2，202004安徽豐縣，1475*256*256模型：u-net硬件：NVIDIA Quadro

11、 p3200訓練時間：5 min/epoch（batch_size=4）推理時間：2 min/4712*5867Miou：0.9預測相對官網結果誤差：0.008某縣官方：64.7萬畝測試結果：65.2萬畝政策支持自然資源部辦公廳關于開展2022年衛片執法工作的通知衛片執法技術支撐工作機制關于規范臨時用地管理的通知業務需求采用2米衛星遙感影像，每季度核查土地變化圖斑，每年4次新增亂占耕地建房挖田造湖挖湖造景違建“大棚房”非法用地采礦遙感+GeoAI 賦能業務轉型升級衛片執法（自然資源）GeoAI建筑物提取GeoScene違法建筑物提取政策支持自然資源調查監測體系構建總體方案國土空間調查、規劃、用

12、途管制用地用海分類指南業務需求遙感+GeoAI 賦能業務轉型升級城市要素監測（自然資源）城市空間布局和形態城區實體地域范圍、城區范圍、房屋建筑（區）城市規劃實施城鎮開發邊界基本公共服務教育、醫療衛生、社會福利、基層便民服務、文化活動場所、體育活動場所、城市綠地、居住小區、綠地與廣場、房屋建筑、鐵路與道路；有條件的開展停車場、消防、警務、軌道交通站點和公交站點等監測市政公用設施建設工礦企業（水廠、電廠、污水處理廠、垃圾處理廠等）、機關團體、新聞出版機構、科研機構、消防機構、商業服務機構、殯葬設施等；有條件的開展停車場、基層便民服務機構等監測綜合交通運輸網絡建設鐵路與道路、交通設施（隧道、橋梁、碼

13、頭、高速公路出入口、加油（氣）站、立交橋、機場、火車站、長途汽車站、軌道交通站、軌道交通出入口、交通收費站、高速公路服務區）；有條件的開展充電站、停車場、公交線路、公交站點和地下交通設施等監測環境治理污水處理廠、垃圾處理廠、垃圾堆放物、水域等；有條件的開展黑臭水體等監測應急救災地質災害隱患點、應急避難場所、易積水區、消防機構；有條件的開展地下管線、綜合管廊和地下防災設施等監測歷史文化保護歷史文化保護區（名城、名鎮、名村、文化街區、風貌區）、不可移動文物、歷史建筑、傳統風貌建筑等；有條件的開展地下埋藏區、古樹名木等監測GeoAI井蓋提取GeoScene山體滑坡敏感區提取 影像分辨率：0.05米

14、樣本量：7800個 推理工具：DetectObjects 推理結果如下據統計目前中國的井蓋保有量約50億套以上；一個50萬人口的城市每年對井蓋的需求量為1-2萬套，全國每年新增井蓋數量和每年更換量至少在1500萬套以上。而井蓋的破損、移位、丟失以及井下水位、可燃氣體、有害氣體、有毒氣體超標等信息不能在第一時間被獲取，從而造成安全隱患問題。利用GeoScene的深度學習能力可以提取下水道井蓋的數量和位置以及空間分布。GeoScene深度學習實例城市管理之井蓋提取ArcGIS+AI輔助農業：植株識別+健康狀況評估煙苗識別、火龍果苗、柑橘苗、棕櫚樹等經濟作物的估產和病蟲害監控GeoScene深度學習

15、實例城市管理之井蓋提取政策支持自然資源調查監測體系構建總體方案國土空間調查、規劃、用途管制用地用海分類指南業務需求 以水域圖斑為基礎，監測：獲取地表水體的分布范圍、季節變化和水域開發利用保護等監測冰川及常年積雪分布范圍及變化遙感+GeoAI 賦能業務轉型升級水資源監測（自然資源）GeoAI水資源提取地理國情普查是一項重大的國情國力調查，是全面獲取地理國情信息的重要手段，是掌握地表自然、生態以及人類活動基本情況的基礎性工作。普查內容：一是自然地理要素的基本情況，包括地形地貌、植被覆蓋、水域、荒漠與裸露地等的類別、位置、范圍、面積等，掌握其空間分布狀況；二是人文地理要素的基本情況，包括與人類活動密

16、切相關的交通網絡、居民地與設施、地理單元等的類別、位置、范圍等，掌握其空間分布現狀。某測繪院使用GeoScene深度學習提取水體，精度基本滿足數據更新需求。GeoScene深度學習實例地理國情普查政策支持關于加快煤礦智能化發展的指導意見內蒙古關于進一步加快推進綠色礦山建設的通知 山西省人民政府辦公廳關于規范和加強礦山環境恢復治理保證金和煤礦轉產發展資金提取使用管理的通知 業務需求采用遙感影像和視頻數據基于深度學習實現：道路自動提取固定場所檢測人員違規、設備故障和環境異?，F象在采礦山統計和生態修復監測廢舊礦山修復監測遙感+GeoAI 賦能業務轉型升級智慧礦山（礦產）礦井提取道路提取CLEAR戰略

17、咨詢公司曾發布一份2020智慧農業戰略報告，其中提到智慧農業，是可以利用5G技術，提高連接性，利用自動化和機器人進一步解放生產力，以無人化為特征，實現農業產業鏈的全智能化。它是指建立在數字農業和精準農業基礎上的全新農業生產方式與生態系統?！爸腔坜r業對作物模型不斷優化，可以指導新農人進行及時澆水、施肥，給田塊預警天氣、溫度異常短信提醒，還可以隨時查看每一塊田的生長情況，即使出差也兩不誤，隨時可以調整生產計劃，是生產管理的智能好幫手?！盙eoScene+AI輔助農業：植株識別+健康狀況評估煙苗識別、火龍果苗、柑橘苗、棕櫚樹等經濟作物的估產和病蟲害監控GeoScene深度學習實例智慧農業化工廠爆炸之

18、后，現場情況并不明晰，人員無法進入，用無人機拍攝現場情況后，使用深度學習快速提取現場殘存化學罐體的大體數量、空間分布等，以幫助救援人員明確潛在的危險源以防引起二次傷害。GeoScene深度學習實例化學廠爆炸后殘余化學罐的識別從衛星影像上使用深度學習提取過火面積內的建筑（左圖），并結合前后時相的影像、利用要素分類模型對提取的建筑物進行分類以定位損毀房屋，統計數量和面積。最終統計到16平方公里區域內372處建筑物的損毀定位，損毀面積達13萬平方米。同樣的場景可以應用在四川山火等同類場景中。GeoScene深度學習實例山火損失評估3D點云分割、目標檢測PointCNN線桿、電力線提取建筑物提取電力設

19、施侵擾鐵路設施提取GeoScene GeoAI 點云分類，零代碼完成點云分類全流程GeoScene+AI輔助城市規劃：從點云中提取三維建筑模型利用深度學習從點云中分類建筑物，并利用GeoScene后處理能力生成帶屋頂的建筑物，GeoScene深度學習實例城市空間規劃從視頻中提取目標，并展示在地圖上SiamMask和DeepSortGeoScene GeoAI 視頻動態目標識別模型政策支持2022年推進智慧水利建設水資源管理工作要點十四五期間推進智慧水利建設實施方案關于加強河湖水域岸線空間管控的指導意見業務需求基于視頻AI對堤岸、站點、涵道等保護區邊界侵入、拋物、違建等違法行為自動識別和預警基于

20、視頻AI自動識別河道漂浮物、河岸垃圾等異?；贏I技術識別河流周邊建筑、網箱養殖、攔河壩等典型目標斷面水質統計分析，監測斷面水質同比、年度目標分類占比等遙感+AI 賦能業務轉型升級智慧河道（水利）GeoAI網箱提取無人機結合 GeoScene FMV進行實時河道巡查GeoScene GeoAI 工具一鍵導出多源異構數據預處理工具；一體化的標注管理、導出工具；支持樣本增強；支持多種通用樣本格式；4.0導出樣本性能提升9倍在線協同標繪樣本制作豐富模型Pytorch、TensorFlow等支持；30余模型，涵蓋目標檢測、像素分類、視頻對象追蹤、自然語言處理等4.0新增2個模型，用于目標檢測和全景分割

21、16個預訓練模型4.0點云支持增強模型訓練高效推理提供多種推理工具，支持場景實現；支持服務器端分布式推理；3.1新增變化檢測推理推理豐富工具 1700+工具；柵格、矢量等數據處理；后處理個人用戶企業級用戶GeoScene ProGeoScene Enterprise+Image Server JS Python API遙感影像柵格圖像點云視頻自然語言文本(3.1)英偉達、國產GPU（曙光DCU.）GeoScene GeoAI全棧產品解決方案樣本導出工具：導出訓練數據進行深度學習模型訓練工具：訓練深度學習模型推理工具：使用深度學習分類對象使用深度學習分類像素使用深度學習檢測對象使用深度學習檢測變

22、化深度學習工具集（GeoScene Pro中）序號大類小類模型英文名樣本元數據格式模型推理工具1目標檢測（對象檢測）對象檢測FasterRCNNPASCAL_VOC_rectangles使用深度學習檢測對象2RetinaNet3YOLOv34SingleShotDetector5MMDetection6DETReg7實例分割/對象檢測MaskRCNNRCNN_Masks8語義分割（像素分類）像素分類UnetClassifierClassified_Tiles使用深度學習分類像素9PSPNetClassifier10DeepLab11邊緣檢測BDCNEdgeDetector12HEDEdgeDe

23、tector13道路提取MultiTaskRoadExtractor14ConnectNet15像素分類MMSegmentation16變化檢測ChangeDetector使用深度學習檢測變化17對象分類（分類）對象分類FeatureClassifierLabeled_Tiles、Multi-labeled Tiles使用深度學習分類對象18全景分割全景分割MaX-DeepLab全景分割使用深度學習分類像素19圖像轉換（圖像翻譯）風格遷移CycleGANCycleGAN使用深度學習分類像素20Pix2PixExport Tiles21Pix2PixHD22超分辨率SuperResolution

24、23看圖翻譯ImageCaptioner-Python API使用經過訓練的模型對點云進行分類24點云分類點云分割PointCNN-25對象追蹤視頻對象追蹤SiamMask-追蹤26DeepSort-注：紅字高亮模型為4.0即將新增模型選擇對照表樣本制作123471在上一步中保存的矢量要素數據，也可以是自己制作的矢量數據，但是必須包含Classname與Classvalue字段2Classvalue字段3樣本保存的格式，推薦使用TIFF格式，可以保存多波段樣本4分塊大小，建議保證分塊大小內有完整的2-3個樣本并且為2的指數倍5步幅大小，建議為分塊大小的一半56參考前述表格選擇元數據格式（很重要

25、）樣本導出新增附加輸入柵格，可以選擇附加輸入柵格導出變化檢測等格式樣本7樣本種類多樣化，樣本區域內全標注樣本標注準確保證切片內樣本的完整性模型優化-樣本選擇1234567891樣本導出的文件夾2訓練輪數，也就是epoch3模型類型根據在場景選擇的時候就已經決定好了4批量大小為計算機每次處理的樣本數量5模型參數在選定模型之后會自動生成，一般情況下默認6學習率建議不用填寫，程序執行的時候會自動查找最合適的學習率7在骨干網絡選擇上，建議先使用默認，后續再調節8預訓練模型：默認不選，只有遷移學習時候才會選擇9建議取消選擇，效果會更好GPU推理模型訓練GeoScene支持10+預訓練模型對象分類執行推理

26、像素分類對象檢測變化檢測GeoScene 深度學習能力后處理工具關鍵配置關鍵配置推薦推薦備注備注CPU推薦使用intel cpu根據顯卡配置以及預算選擇內存推薦16GB及以上顯存推薦8GB及以上英偉達顯卡，算力在6.1及以上固態硬盤推薦SSD 1TB深度學習工作流中會涉及大量文件讀寫機械硬盤推薦4TB左右影像存儲以及模型訓練樣本所需存儲較大基礎環境要求注意：GeoScene 4.0 版本可兼容最新版顯卡系列為RTX 30系列，cuda版本為11.1英偉達算力查詢：https:/ RGB 8位影像deeplabv3建筑物提取0.100.4米 RGB 8位影像MaskRCNN車輛識別0.050.2

27、米 RGB 影像MaskRCNN居民地提取Landsat8影像unet居民地提取Sentinel-2 L1A級別unet土地分類Landsat8影像unet土地分類Sentinel-2 L1A級別unet土地分類0.81米 RGB 8位影像unet總結：GeoScene GeoAI 優勢特色即拿即用的工作流程即拿即用的工作流程 桌面端交互式工具、界面 服務器端標準Rest接口 可供專業個人用戶研究 也可在企業級系統中集成極大豐富的深度學習算法模型極大豐富的深度學習算法模型 覆蓋影像、點云、視頻、文本等全業務數據類型 覆蓋幾乎全業務應用場景 主流成熟、可靠性高強大的后處理能強大的后處理能 解決深度學習到業務應用的最 后一公里 1750+數據處理與分析工具