刘勇-GeoScene一站式人工智能平台.pdf

1、GeoScene一站式人工智能平台易智瑞信息技术有限公司刘勇目录 GeoAI概述 GeoScene平台的GeoAI支撑体系 GeoAI核心能力 GeoScene平台的GeoAI应用人工智能人造出来的像人类一样思考和行动的机器，使得机器也拥有“多元智能理论”中的八种智能。人工智能发展史1943年MCP人工神经元模型1986年多层感知机BP算法 Sigmoid1989年卷积神经网络（LeNet）2012年Hinton提出AlexNet网络,首次采用ReLU激活函数首次使用GPU加速ImageNet图像识别大赛算法硬件数据人工智能发展史-三大学派人类认知的基本元素是符号，认知过程是符号表示上的一种运

2、算基于生物控制论和工程控制论构建感知-动作控制系统认为人工智能源于仿生学，研究神经网络及神经网络间的连接机制或行为主义或行为主义深度学习框架-对底层语言和重要算法模型进行封装-下接芯片，上承各种业务模型、行业应用为何需要深度学习框架？GeoAI将AI用于GIS领域的分析、方法和解决方案GeoAI：机器学习、深度学习在GIS的数据源和业务中得以应用AIGIS语音识别自然语音生成计算机视觉自然语言处理人脸识别即时视觉翻译数据采集时空大数据三维建模空间建模自动驾驶制图智能预测应用创建点云分类遥感影像分类、识别等点云三维模型重建交通预测、房价预测等AI数据空间分析与可视化GIS数据采集GeoAI位置数

3、据是GeoAI的引擎GeoScene GeoAI特点-全流程一键导出 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；支持多种通用样本格式；样本制作丰富模型 Pytorch、TensorFlow等框架支持；20+深度学习模型 GPU训练模型训练高效推理 提供多种推理工具，支持场景实现；支持服务器端分布式推理；支持GPU推理推理CPU/GPU计算计算丰富工具 1700+工具；栅格、矢量等数据处理；后处理GeoScene ProGeoScene Image ServerGeoScene GeoAI特点-多场景以矩形外框的方式标出识别物体的位置算法：SSD、RetinaNet、Yo

4、LoV3、Fast-RCNN.对象检测对象识别的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对象分类场景：树、车、飞机、游泳池、油井、构筑物、基于视频提取路面破损、路标等相关设施、车辆检测与计数、消防栓、井盖等场景：土地覆盖提取、建筑物提取、道路检测等场景：损坏建筑分类、干净或富营养化池塘、损坏的设备、识别植物种类等场景：建筑物提取、3D屋顶结构、污水池等从遥感影像中提

5、取道路。算法：MultiTaskRoadExtractor道路提取场景：顾名思义识别边缘像素。算法：BDCNEdgeDetectorHEDEdgeDetector边缘检测场景：建筑物边界提取、耕地边界、林地边界提取等GeoScene GeoAI特点-多场景提供图像的文本描述。算法：ImageCaptioner图像标注算法：FullyConnectedNetworkMLModelTimeSeriesModelEntityRecognizerTextClassifierSequenceToSequence自然语言处理将源域图像转换到目标域图像。算法：SuperResolutionCycleGANP

6、ix2Pix图像翻译场景：制图，去云.场景：生成影像描述用于点云分类和提取算法：PointCNN点云分割场景：分类点云数据（建筑物、地面）、电力线、电线杆的提取等场景：文本治理领域，如地址治理，含异常地址判断，地址补全纠正，地址结构化等在视频中识别物体并以矩形框的方式标示算法：DeepSortSiamMask视频对象追踪场景：识别移动目标，如车、人、船等识别图像中的变化区域。算法：ChangeDetector变化检测场景：城管查违拆违业务应用数据支持算法工具服务产品GeoScene平台的GeoAI支撑体系广泛的GIS业务场景多源GIS数据支持主流的AI算法、简单易用的AI后处理工具和服务即拿即