python打造个性化ai_人工智能GIS技术篇——打造GeoAI个性化应用，你需要人工智能GIS流程工具...

在2019 GIS 软件技术大会上，超图提出了人工智能GIS技术体系，丰富和创新了GIS基础支撑技术。人工智能GIS技术体系的核心内容之一是GeoAI，即融合AI的空间分析与处理。在GeoAI功能的应用过程中，超图提供了完整的流程工具，可以进行自有模型的构建。

机器学习的应用一般包括三个主要步骤：1、选择模型：即根据数据，选择符合数据特征的“函数”;2、训练模型：通过学习样本数据，确定函数参数;3、使用模型：把新的数据代入函数求值。

俗话说“授人以鱼不如授人以渔”，在GeoAI应用中，我们希望能在提供成熟AI模型的基础上，还为用户提供构造自有模型的流程工具，方便用户的个性化GeoAI应用。

比如在基于深度学习的影像分析应用中，我们需要让机器自己去学习图像中的隐含特征，然而由于空间数据的复杂性及多样性，南方与北方、冬天与夏天的影像都有较大差别，因此直接提供的AI模型很难适用于所有场景。因此，需要让用户基于GeoAI流程工具，自己去训练得到适用于各自业务的AI模型。

构建工作流程

基于机器学习应用过程，相应的GeoAI流程工具需要支持从数据准备、模型构建到模型应用的完整过程，如下图所示：

图1 GeoAI 工作流程

数据获取与准备

准备训练样本包括两大环节：

1、数据获取，主要通过外部数据采集方式或者已有的原始数据，经过数据清洗、数据转换等处理后存储在数据库下;

2、数据准备，基于数据获取环节提供的不同类型的基础数据为机器学习或深度学习提供训练数据。

以深度学习为例，需要准备的数据集中包含影像数据，以及希望识别的地物所在具体位置的标签数据。比如要做建筑物的识别，就需要目标区域的影像和建筑物矢量轮廓的标签，再一同生成相应格式的训练