最美的时光|基于iDesktopX的交互式AI模型训练与推理( 二 )


在此项目中 , 使用步骤一中导出的样本库进行模型训练 , 同时通过验证数据集对训练模型进行不断的迭代评估 , 以达到实际的应用准确度要求 。 由于模型训练过程涉及复杂数值计算 , 样本数据量大、迭代次数多时 , 模型的训练耗时较长 , 推荐使用支持GPU计算的服务器进行模型训练 。
最美的时光|基于iDesktopX的交互式AI模型训练与推理iDesktopX 10i中进行模型训练示意
步骤三:模型推理
iDesktopX训练好的模型 , 可以直接在桌面端进行应用 , 也可以将模型转换为适用移动端的模型 , 便于开展外业工作 。
AI模型推理应用
桌面端应用
基于训练好的模型 , 对待分类的图片进行模型推理 , 输出分类结果为CSV文件 , 记录每张图片的类别及可信度 。
SuperMap提供的模型应用引擎支持CPU和GPU两种计算模式 , 推荐使用GPU模式 。 除了支持接收原生训练输出的模型 , 也支持第三方框架输出的模型 , 提高了实际项目执行的灵活度 。
最美的时光|基于iDesktopX的交互式AI模型训练与推理桌面端图像分类结果
移动端应用
转换后的移动端模型 , 应用在移动端辅助巡检与智能识别 , 取代人工记录或传统巡检手段 。 只需使用移动设备进行拍照 , 就可以自动识别获取电表类别 , 并归类存档 , 方便后期根据类型模板自动读取电表数据 。
最美的时光|基于iDesktopX的交互式AI模型训练与推理移动端模型应用结果
小结
图像分类是计算机视觉中最基础的任务之一 , 在GIS领域也有较多的使用场景 。 SuperMap基于高层视觉信息 , 采用EfficientNet深度网络模型 , 提取图像中的抽象语义信息 , 进而实现图像分类 。
SuperMap iDesktopX 10i中提供了完整的图像分类流程工具:样本制作、模型训练、模型推理 。
最美的时光|基于iDesktopX的交互式AI模型训练与推理iDesktopX 10i 图像分类完整流程示意
同时 , 模型训练、模型转换以及桌面端的模型应用 , 可构建地理处理模型 , 实现自动化执行 , 一键运行即可得到图像分类结果 。
最美的时光|基于iDesktopX的交互式AI模型训练与推理图像分类地理处理模型
文/端产品研发中心 秦丽娟 刘晓妮


推荐阅读