人工智能、机器学习及深度学习关系简介

，欢迎也在微信公众号查看。

人工智能(AI)领域近年来取得了迅速的进展，在某些情况下与人类相当甚至超过人类。近几十年来，机器学习工具是GIS空间分析的核心组成部分。广义地说，人工智能是计算机拥有执行一项通常需要一定程度人类智能任务的能力。

机器学习是人工智能的一个分支，它用算法处理结构化数据来解决问题。传统的结构化数据需要一个人对数据进行标记，比如猫和狗的图片，这样每个动物类型的特定特征就可以在算法中理解，并用于在其他图片中识别这些动物。

   深度学习是机器学习的一个子集，它以神经网络的形式使用多层算法。输入数据通过网络的不同层进行分析，每一层定义数据中的特定特征和模式。例如，如果你想识别建筑物和道路等特征，深度学习模型将使用不同建筑物和道路的图像进行训练，在神经网络中逐层处理图像，然后找到对建筑物或道路进行分类所需的标识。

Esri已经开发了相关工具，利用深度学习的来回答GIS和遥感应用中的一些具有挑战性的问题。如可执行图像分类、对象检测、语义分割和实例分割。

图象分类

图像分类包括为数字图像分配标签或类。例如，下面左边的无人机图像可能被标记为人群，而右边的数码照片可能被标记为猫。这种类型的分类也被称为对象分类或图像识别，可以在GIS中用于对图像中的特征进行分类。

目标检测

目标检测是对图像中的特征进行定位的过程。例如，在下面的遥感图像中，神经网络找到了一架飞机的位置。在一个更普遍的计算机视觉用例，一个模型可以检测出不同动物的位置。这个过程通常包括在感兴趣的特征周围画一个边界框。在GIS中可用于确定卫星、航空或无人机图像中的特定特征，并将这些特征绘制在地图上。

语义分割

当图像中的每个像素被分为一个类时，就会发生语义分割。例如，在左下方的图像中，道路像素与非道路像素是被分别分类的。在右边，组成照片中猫的像素被分为猫，而图像中的其他像素属于其他类。在GIS中，这通常被称为像素分类、图像分割或图像分类。它经常被用于创建土地使用分类地图。

实例分割

实例分割是一种更精确的对象检测方法，它将每个对象实例的边界绘制出来。这种深度学习应用也被称为对象分割。