陈佳慧-GeoScene深度学习技术介绍与实践.pdf

1、GeoScene深度学习技术介绍与实践易智瑞信息技术有限公司成都分公司陈佳慧人工智能 与 GeoScene平台GeoScene平台机器学习深度学习人工智能CNTKTensorFlowGeoScene平台Theano自然语言处理视频游戏行为人工智能机器人KerasIBM Watsonscikit-learn计算机视觉GeoScene中的深度学习GeoScene的深度学习能力广泛的GIS业务场景多源的GIS数据支持主流优秀的算法即拿即用的产品产品桌面端服务器端开发算法、工具和服务以矩形外框的方式标出识别物体的位置算法：SSD、RetinaNet、YoLoV3、Fast-RCNN.对象检测对象识别的

2、基础上切割出对象的轮廓算法：MaskRCNN实例分割对每一个像素划分类别，可用于提取地物、或进行土地利用类型分类算法：U-Net、PSPNETMMSegmentation.像素分类用 于 点 云 分类和提取算法：PointCNN点云分割用来对图像进行分类，如拥挤的人群、图像中是否含有猫算法：Feature Classifier对象分类在视频中识别物体并以矩形框的方式标示算法：DeepSortSiamMask视频对象追踪算法、工具和服务提供图像的文本描述。算法：ImageCaptioner图像标注从遥感影像中提取道路。算法：MultiTaskRoadExtractor道路提取更多识别边缘像素。算

3、法：BDCNEdgeDetectorHEDEdgeDetector边缘检测将源域图像转换到目标域图像。算法：SuperResolutionCycleGANPix2Pix图像翻译识别图像中的变化区域。算法：ChangeDetector变化检测算法、工具和服务序号大类小类模型英文名样本元数据格式模型推理工具1目标检测（对象检测）对象检测FasterRCNNPASCAL_VOC_rectangles使用深度学习检测对象2RetinaNet3YOLOv34SingleShotDetector5MMDetection6实例分割/对象检测MaskRCNNRCNN_Masks7语义分割（像素分类）像素分类U

4、netClassifierClassified_Tiles使用深度学习分类像素8PSPNetClassifier9DeepLab10边缘检测BDCNEdgeDetector11HEDEdgeDetector12道路提取MultiTaskRoadExtractor13ConnectNet14像素分类MMSegmentation15变化检测ChangeDetector使用深度学习检测变化16对象分类（分类）对象分类FeatureClassifierLabeled_Tiles、Multi-labeled Tiles使用深度学习分类对象17图像转换（图像翻译）风格迁移CycleGANCycleGAN使

5、用深度学习分类像素18Pix2PixExport Tiles19Pix2PixHD20超分辨率SuperResolution21看图翻译ImageCaptioner-Python API使用经过训练的模型对点云进行分类22点云分类点云分割PointCNN-23对象追踪视频对象追踪SiamMask-追踪24DeepSort-算法、工具和服务Geoscene提供了1700+数据处理和分析工具涵盖栅格处理、矢量处理、数据转换、3D处理和分析、空间分析、地统计、机器学习、深度学习桌面端、服务器端、Web端均可使用数据源点云视频影像要素自然语言卫星影像、无人机影像目标检测、地物提取、建筑物顶面分割激光雷

6、达点云提取电力线、建筑物、铁轨、路灯、红绿灯等矢量大数据对要素对象进行分类FMV、移动测量系统、无人机视频视频中的目标检测文本资料、网页新闻将自然语言空间化场景对象识别像素分类地对空导弹(SAM)阵地Catfish对象分类污水坑实例分割棕榈树游泳池油井砖窑水上养殖网箱道路提取土地覆盖建筑物顶部损坏的建筑物民居统计油罐提取空地提取对象检测智慧农业之植株识别像素分类地理国情监测专题地表覆盖提取实例分割汽车识别实例分割和对象分类山火损失评估GeoScene中的深度学习实践一键导出 多源异构数据预处理工具；一体化的标注管理、导出工具；支持样本增强；支持多种通用样