“GIS+AI：地理人工智能应用或将迎来井喷”

随着新的科技革命和产业变革的加速发展，以人工智能为代表的新一代新闻技术向更多的领域注入了新的动能。

但是在实际的商业场景中，人工智能往往是其中的一环，为了发挥最大的价值，必须与现有技术结合起来。 这包括整合和切换不同的应用环境。 另外，并不是所有人都清楚人工智能困难的基础原理和许多复杂的互联网实现方法。 这些无疑落地于人工智能的应用，构筑了较高的门槛。

能够快速、高效地一站式部署人工智能的能力，不需要在不同的应用环境中多次切换，入口多样，是否可以轻松获取？ 作为全球空之间解体行业的知名公司，esri在今年推出的新产品arcgis 10.8中，为客户提供了满意的回答，以解决这些问题。

最新发布的arcgis 10.8在深度学习能力方面有了很大的提高，通过gis+ai的新模型，进一步提高了顾客对空之间数据的发现内在力量，地理人工智能为业务注入新的动能。

众所周知，深度学习与gis相结合是计算机视觉行业中最重要的。 gis有大量的卫星、航空空航天、无人机图像，可以利用深度学习完成图像分类、对象检测、语义分割、实例分割等多种计算机视觉任务。 在这些任务中，有许多与gis相对应的应用程序场景。 例如，对遥感图像等进行分类，从卫星和无人机的图像中识别特定的对象，进行土地采用分类和道路提取等。 这样，电脑就真的像我们人类的超级眼睛一样，可以帮助我们完成很多困难的工作。 由此可见，地理人工智能的相关应用将进入新阶段，呈井喷之势。

正如斯坦福大学的李飞飞教授在ted演讲中所想象的那样，当看到机器时，医生和护士会得到额外的不知疲倦的眼睛，来诊断病情和照顾患者。 汽车可以在道路上更智能，更安全地行驶。 我们可以发现新的物种，更好的材料，在机器的帮助下探索从未见过的尖端地带。

下面，我们来看一下arcgis 10.8具体在这些方面的提高。

内置了许多支持丰富应用场景的深度学习模型

在arcgis 10.8中，新支持了目标检测模型ssd和retinanet、像素分类模型unet和pspnet、图像分类模型feature classifier、实例分割模型maskrcnn这6个深度挖掘模型

通过深度学习的全过程支持，无需切换业务环境

深度学习的典型三大业务流程是样品准备、模型训练以及训练后的推理和分解。

arcgis在以前的版本中发表了深度学习工具箱，提供了样本注释、样本推导、推理分解等一系列工具。 随着新版本的发布，arcgis中新增了丰富的模型。 这样，arcgis可以支持深度学习的完整流程，并在arcgis环境中完成深度学习的完整业务流程。 没有必要切换到其他环境。

各种入口，也就是即插即用

arcgis的深度学习能力以gp工具或界面的形式提供给客户。 它封装了许多深度学习和复杂的互联网实现，只暴露所需的参数，并以工具或接口的方式嵌入到arcgis的许多产品中。 客户不需要理解困难的深度学习的基础原理，可以像其他工具一样采用深度学习技术。 也就是说，因为马上就可以使用，使用方便，所以大大降低了采用的门槛。

完善强大的后解决和分解能力，支持应用的闭环.

arcgis在前期数据管理和预解决方面具有天然的特点，包括基于镶嵌数据集的大规模图像数据管理和样本数据采集、预解决、深度学习结果出现后的后解和分解等。

arcgis的巨大空间分解工具箱像一个宝库，其中有1200多个工具可供选择。 例如，云过滤工具可以去除错误分类的像素，边界清洁工具可以平滑地解决区域，nibble工具可以将这些去除小区域的工具与model builder强大的建模能力结合起来，将深度学习的结果与商业数据进行组合 一系列深度学习数据的解析和分解专用工具箱，可以在之间分解，利用arcgis平台上现有的各种即时应用程序快速构建应用程序，在组织中共享分解的结果，从而最大限度地为数据提供价值

6月17日17-19日，易智瑞企业主办的arcgis空间新闻技术开发者大会将在线直播。 届时，arcgis 10.8将正式登场。 另外，有一个深入分析arcgis平台在深度学习方面的巨大提高的研讨会。

本文：《“GIS+AI：地理人工智能应用或将迎来井喷”》