近年來，人工智慧（ai）飛速發展，在諸如影象識別，影象分割和目標智慧型提取等任務上，達到甚至在某些方面超過了人工的準確度。人工智慧在影象識別方面的優勢，為ai和gis的結合提供了前所未有的契機。人工智慧，機器學習和深度學習正在幫助我們認識世界、改善世界。
ai是電腦科學的乙個重要分支，在某種程度上具有類似人類工作的執行能力，能以一種新的與人類相似的方式做出智慧型的反應，機器學習利用資料驅動演算法從資料中學習使機械人、影象識別、語言識別等人工智慧的應用成為一種可能。
gis以海量資料為支撐，服務於環保、水利、國土、農業等領域，但測繪、攝影測量、遙感影像等領域對影象處理有較大的需求，但傳統的影象處理和識別方法工作量較大並且部分資訊會丟失，造成工作效率低下，人工處理成本高。通過深度學習可以高效處理資料的採集、影象的分析和資訊的分類，賦能地理資訊產業。
計算機視覺是深度學習在人工智慧領域發展較為出色的應用。將計算機視覺應用於地理空間分析使gis發展速度得到巨大提公升，計算機視覺對衛星影像、航空影像、無人機影象的生成、處理與識別有極大的幫助。下圖展示了計算機視覺進行目標識別的應用。
計算機視覺在目標識別中的應用
深度學習的自動識別和提取地物應用於處理衛星影像圖，能通過自動提取道路網路、水系和構建足跡來建立數字地圖。
在乙個範圍較大的地理區域上應用經過反覆訓練的深度學習模型，得出包含該地理區域內的所有道路的地圖，然後可根據識別到的道路網路規劃行駛路線，這對於目前還沒有高質量數字地圖的區域或者需要更新已有的數字地圖的工作有重要應用價值。
深度學習在路網提取中的應用
計算機視覺最基礎的應用是影象分類，利用計算機識別並為影象分配類別標籤，例如農田、水系、建築物等。可以在gis中使用這一技術對具有地理特徵的**進行識別並分類。
地物識別在地理資訊行業是基礎但較為重要的工作，對於地物分類，利用深度學習的方法，計算機需要在影象中查詢到相應的物件及其所在位置。
語義分割將影象中的每個畫素都進行分類，歸入特定類別。在gis中，語義分割可應用於土地覆蓋分類或者從衛星影象提取道路、河流、建築物等感興趣地物。
語義分割應用於土地覆蓋分類
語義分割應用於土地覆蓋分類
例項分割可以進行更為精準的物件檢測並分類，標記出每個地物的精確邊界。例項分割模型應用於建築物，並且對於建築物輪廓分割較為精細，能幫助計算建建築物占地面積，且無需手動向量化和計算，大大提高工作效率。
例項分割在建築物提取中的應用
例項分割可應用於傾斜攝影建築物底面提取任務，採用基於卷積神經網路構建深度學習模型，完成自動化提取傾斜攝影資料中的建築物底面過程，並完成對現實場景的三維重建。
例項分割重建3d建築模型
國科創（北京）資訊科技****是國家高新技術企業和中關村高新技術企業，擁有iso9001、iso14001、ohsas18001資質，通過了資訊保安管理體系和資訊科技服務管理體系認證。目前我公司利用機器學習、深度學習等方法對遙感衛星影像進行目標識別、變化監測和自動分類，提供優質的衛星影像監測與資訊提取服務。
模型構建器之提取水系
在之前的學習中，相信大家對於模型構建器已經有了乙個初步的認識和了解，接下來我將帶大家建立稍微複雜的模型作為案例來深入的了解一下模型構建器 這次的模型是基於dem提取向量河網的模型，在模型構建器裡算是乙個比較經典的模型了 河流提取的全過程為建立無凹陷點dem 流向分析 流量統計 定義地表最小的地表徑流...
opencv 形態學應用 提取提取水平與垂直線
現象 影象形態學操作時候，可以通過自定義的結構元素實現結構元素對輸入影象一些物件敏感 另外一些物件不敏感，這樣就會讓敏感的物件改變而不敏感的物件保留輸出。通過使用兩個最基本的形態學操作 膨脹與腐蝕，使用不同的結構元素實現對輸入影象的操作 得到想要的結果。比如開操作，先腐蝕後膨脹，將白色的小塊去掉了 ...
形態學操作應用 提取水平與垂直線
vs2017 opencv4.0 include include include using namespace cv int main int argc,char ar char input win input image char output win result image namedwin...