原文鏈接

原作者：Rohit Singh, Sandeep Kumar
貢獻者：Vinay Viswambharan, Divyansh Jha, Shivani Pathak, Daniel Wilson.
翻譯：荊雪涵

在今年的 Esri 用戶大會上，USAA 展示了基于 ArcGIS 深度學習能力，對 Woolsey 火災進行自動化損害評估的應用。該項目是災害上報流程的一項重要任務，結合深度學習技術可以提高災害上報流程的效率。本文介紹如何使用深度學習技術，檢測出在災害中受到損害的建筑物。

基于無人機影像以及深度學習的損害評估

深度學習技術通過訓練數據，學習圖像中的特征。為了訓練我們的深度學習模型，我們需要將無人機影像中的受損建筑物的形態輸入模型中。我們使用 ArcGIS Pro 人工標注了幾百個建筑物的無人機影像，將這些建筑物分為“受損”和“未受損”兩類。在已有的建筑物輪廓線要素類中，我們新建了一個屬性字段來保存建筑物的受損情況。

導出訓練樣本

使用 ArcGIS Pro 里的 Export Training Data For Deep Learning 工具，我們可以導出“標簽瓦片”格式的訓練樣本。ArcGIS Pro 現在支持導出“標簽瓦片”格式的訓練樣本。

受損 & 未受損建筑物影像

訓練損害分類模型

我們準備好訓練數據之后，就可以使用 ArcGIS Notebooks，以及 Python API 中的 arcgis.learn 模塊來訓練模型。整個過程只需要10-12行代碼，代碼如下。

損害分類模型訓練代碼

ArcGIS Notebooks 預裝了一些深度學習模型，不需要額外配置。使用 ResNet34 訓練的模型，可以達到99%的準確率。眾所周知，深度學習處理此類圖像分類任務的效果一向都很好。

建筑物損害分類 - 紅色為受損建筑

推斷預測

Notebook 運行完成后，我們會得到一個訓練好的模型，以及更新后的建筑物輪廓線要素類，要素類中包含兩種建筑物損害狀態“受損”，“未受損”。我們將所有結果可視化生成網頁地圖，建筑物損害分類地圖鏈接請戳這里。

損害分類建筑物輪廓線以及影像

由于地產開發，建筑物輪廓線要素類得不到及時更新，反映不了最新的建筑物輪廓狀況。實時更新的數據通常需要花費很多人工成本。那么，我們是否可以用深度學習技術從影像中提取建筑物輪廓線呢？當然可以，各位看官請繼續往下讀。

提取建筑物輪廓線

我們使用已有的建筑物輪廓線作為訓練數據，來訓練提取建筑物輪廓線的深度學習模型。這次的模型是基于像素的分類模型，即，影像中包含建筑物的像素將被歸為“建筑物”類別。

基于像元分類提取建筑物輪廓線

導出訓練數據

使用 ArcGIS Pro 我們可以導出“分類瓦片”格式的訓練數據樣本。我們將已有的建筑物輪廓線的矢量數據柵格化后，使用 ArcGIS Pro 中的 Export Training Data For Deep Learning 工具即可導出訓練樣本數據。

訓練模型

模型訓練過程并不復雜。在 ArcGIS Notebooks 中，使用 arcgis.learn 模塊中的 U-Net 模型就可以進行像素分類。

訓練 UNetClassifier 提取建筑物輪廓線

訓練好的模型可以從影像中提取出建筑物的部分，使用 arcgis.learn 模塊可以保存訓練好的模型，模型后期可以在 ArcGIS Pro 中使用。

提取建筑物輪廓線

影像 - 柵格掩膜 - 建筑物輪廓線

使用 Classify Pixels Using Deep Learning 工具，可以生成建筑物輪廓的柵格數據，后期可以使用 ArcGIS Pro 將柵格數據轉化成建筑物輪廓線的矢量數據。我們使用 Model Builder 設計整個流程。使用 Model Builder 方便研究者重復運行，方便研究者調試參數。

Model Builder

最后提取的輪廓線結果如下。

自動化提取建筑物輪廓線

最終結果的可視化地圖請戳此鏈接。自動化提取如此高精度的建筑物輪廓線無疑是對 AI 技術的肯定。ArcGIS Pro 中各種工具使得該流程格外簡單清晰。

推斷預測

最后，我們結合 ArcGIS Enterprise 中的分布式 RasterAnalytics 功能，提取研究區域內60,000多個建筑物輪廓線，整個過程只需要20分鐘，也就是說每分鐘提取3000多個建筑物輪廓線。

在災害應對中，時間就是生命，爭取更多時間便可以更高效的處理保險上報請求，提供更有效的援助。深度學習技術無疑是災害應對中的救世主。

總結

以上是生活随笔為你收集整理的提取多个字段_【博客翻译】建筑物轮廓线提取以及损坏分类的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。