Profiteer van de krachtige GeoAI-mogelijkheden in de ArcGIS Pro 3.5 Image Analyst-extensie. Met deze release kunt u nu het volgende doen:
- Resultaten van objectclassificatie beter uitleggen
- De nauwkeurigheid van pixelclassificatie beoordelen
- Het modeltrainingsproces controleren met behulp van TensorBoard
- Een nieuw modeltype voor objectdetectie gebruiken
Ontdek hoe deze nieuwste functies uw workflows stroomlijnen en uw productiviteit verhogen.
Verklaarbare AI: Objectclassificatiemodellen begrijpen met Grad-CAM
Er is nu ondersteuning toegevoegd voor Gradient-weighted Class Activation Mapping (Grad-CAM) voor de deep learning-workflows voor objectclassificatie. Grad-CAM berekent gradiënten om de meest invloedrijke pixels in een afbeelding te identificeren en te visualiseren. Op die manier wordt inzichtelijk welke delen van een afbeelding het meest hebben bijgedragen aan de classificatiebeslissing. Wanneer Grad-CAM ondersteuning is ingeschakeld in de modeldefinitie, bevat elke feature in de output feature class nu een bijlage met deze pixels. Hierdoor kunnen gebruikers beter begrijpen hoe het model beslissingen neemt.
Bereken nauwkeurigheid voor pixelclassificatie
De nieuwe Compute Accuracy For Pixel Classification-tool biedt een grondige evaluatie van pixelclassificatie-resultaten. Het systeem genereert een confusion matrix op basis van zowel gemiste als verkeerd toegewezen pixels waarin de Intersection over Union (IoU)-score wordt meegenomen. De matrix wordt berekend door de output van deep learning-classificatie met gevalideerde referentiedata te vergelijken, waardoor gebruikers een objectief inzicht krijgen in de prestaties van hun modellen.
TensorBoard-integratie in de Train Deep Learning-tool en Training Wizard
De Train Deep Learning-tool en de Training Wizard op het Imagery-tabblad bevatten nu TensorBoard-integratie. Met deze integratie kunt u het trainingsproces van het model volgen. Als u de optie ‘TensorBoard inschakelen’ selecteert, wordt een TensorBoard-dashboard weergegeven dat een visuele weergave van de trainingslogs biedt. TensorBoard is een toolkit voor het visualiseren van trainingsvoortgang, waarbij logs worden weergegeven als grafieken, afbeeldingen, histogrammen en andere data. Deze functie ondersteunt verschillende modellen zoals CycleGAN, DeepLab en meer. Raadpleeg What is TensorBoard? (EN) voor meer informatie en de volledige lijst met ondersteunde modellen.
Nieuw RTDetrV2-model voor objectdetectie
ArcGIS Pro 3.5 introduceert de RTDetrV2 modelarchitectuur voor objectdetectie. RTDETRV2 is gebaseerd op de architectuur van RT-DETR, een objectdetectiemodel dat staat voor ‘Real-Time Detection Transformer’. Dit model is ontworpen om objectdetectietaken uit te voeren met een focus op het bereiken van real-time prestaties met behoud van een hoge nauwkeurigheid. RTDetrV2 biedt selectieve multi-scale feature-extractie in de decoder en een optionele discrete sampling operator, waardoor het model eenvoudiger in te zetten is op verschillende hardware door bepaalde technische beperkingen weg te nemen zonder dat dit ten koste gaat van de detectienauwkeurigheid.
Deze nieuwe mogelijkheden voor GeoAI in de ArcGIS Pro 3.5 Image Analyst-extensie bieden u nu nieuwe en verbeterde tools voor een beter begrip en controle van uw deep learning-workflows.
Haal meer waarde uit uw data met GeoAI, door geografische analyses en Artificial Intelligence te combineren. Om succesvol aan de slag te gaan met GeoAI is de Kickstart GeoAI ontwikkeld. Esri’s GeoAI-experts helpen u graag met complexe vraagstukken. Ontdek hier de Kickstart GeoAI.
Heeft u vragen of wilt u in gesprek met een GeoAI-expert om de volgende stap met GeoAI voor uw organisatie te verkennen? Neem dan hier contact met ons.
