Mapflow.ai: сервис по распознаванию космоснимков. "Ленивая" картография

Изображение из лекции

Безмятежной осенью 2021 года в рамках дисциплины "Основы ГИС" в МАРХИ прошел вебинар, посвященный распознаванию зданий, дорог и растительности. Распознаются они при помощи нейронных сетей. Если нет зданий на OpenStreetMap, то именно нейросеть может быстро их отрисовать. Разработчик Geoalert продемонстрировал работу сервиса mapflow.ai студентам МАРХИ. Спешу поделиться очень доходчивой лекцией - советую тем, кто хочет разобраться в "глубоком обучении". 

Изображение Geoalert

В лекции была теоретическая часть и практическая демонстрация работы сервиса. Разработчики с российскими корнями, сервис принимает оплату в рублях. Есть бесплатные баллы при регистрации, можно оценить качество распознавания самому. 

Очень доходчиво были расписаны особенности работы с нейронными сетями. Запомнился важный момент: когда возникает ответственность за точность результата (например, в работе с границами кадастра, оценка лесного хозяйства и пр.), нейросеть может довольно серьёзно подвести.

Цитата из лекции: 

"Про посадят - это почти не шутка: один из наших кейсов - определение, какие породы деревьев растут в лесу, для тех кто их собирается вырубать. Это если простыми словами, там в терминах  у лесников целый свой мир.

Так вот, ошибка в возрастной группе леса - то есть, скажем, раньше времени решить что лес можно вырубать - может подвести заготовителя под статью. Или если вместо ели вырубить пихты.

А у нас машинное обучение - то есть результат в самом строгом смысле вероятностный, потому что это, как ни крути, статистические методы."

Ниже публикую пример свежего эксперимента: выбрал в Казани небольшой фрагмент с индивидуальной жилой застройкой. Здания есть в OpenStreetMap, но как-то отрисованы нереалистично.

Проверяю с подложкой. Примерно раскидывали квадратики.

Создаю проект в mapflow.ai, выбираю территорию, снимки и алгоритмы. Конечно, надо было выбрать Simplification, чтобы упростить контуры зданий. Видимо, в следующий раз.

Минут через 5 результат готов! Можно скачивать и вставлять в QGIS.

Вблизи видно, что нужна была генерализация контуров (упрощение). Но тоже сойдет.

Отметим, что это готовые алгоритмы сервиса mapflow.ai, которые мы обучать пока не можем. Если у вас есть свободное время и ArcGIS (хотя можно успешно применять и opensource решения), то я бы посоветовал вебинар по распознаванию космоснимков от Esri CIS:

В итоге, можно натренировать вашу нейросеть находить то, что нужно именно вам. Или попробовать применить уже готовые нейросети для ArcGIS, хотя разрешение снимков должно соответствовать тому, на котором сеть обучалась.  Кстати, было бы интересно услышать идеи применения таких нейросетей в BIM (скорее это может быть связано со стройконтролем по фотографиям или сканам).