En el módulo de arcgis.learn de la API de ArcGIS for Python podemos encontrar herramientas y funcionalidades para aplicar técnica de aprendizaje automático y profundo a datos espaciales de la plataforma ArcGIS. Algunas de las funcionalidades principales son la detección de objetos, la clasificación de imágenes, segmentación semántica o clasificación de datos ráster.
Antes de analizar y probar los modelos de deep learning, creo que es interesante tener claros los conceptos básicos del deep learning:
Hay muchas aplicaciones de los modelos de deep learning en las tecnologías geo espaciales que permiten potenciar la capacidad analítica y predictiva. Por ejemplo, se pueden usar modelos para detectar y clasificar objetos en imágenes como en la detección de coches, reconocimento de patrones… Los modelos que vamos a ver en profundidad seguirán la siguiente estructura:
Modelos de deep learning:
- Detección de objetos |
- Clasificación de píxeles |
- Seguimiento de objetos |
- Clasificación de nubes de puntos |
Lo ideal es tener tiempo y recursos para entrenar tus propios modelos porque será cuando se llegue a la mejor conclusión pero no es real, muchas veces tendremos que utilizar modelos pre-entrenados por otras personas. Un sitio del que podemos obtener modelos pre-entrenados es el Living Atlas donde hay más de 70 dlpks compartidos de distintas temáticas.
Aunque todos los archivos están enlazados en puntos donde se explican, aquí hay un listado que nos da acceso directo a todos los temas, modelos y ejemplos: