隨著新一輪科技革命和產業變革的加速演進，以人工智能為代表的新一代信息技術正在為越來越多的行業注入新的動能。

然而，在實際業務場景中，人工智能往往只是其中的一環，它需要與已有的技術進行結合，才能發揮最大價值。這就涉及到不同應用環境的整合和切換。同時，并不是每個人都熟知人工智能艱澀的底層原理和復雜的網絡實現方式。這些無疑為人工智能的應用落地，筑起了高高的門檻。

是否可以快捷高效地一站式部署人工智能的能力，無需在不同的應用環境中反復切換，而且入口多樣化，簡單易上手?全球空間分析領域的知名企業Esri在今年推出的全新產品ArcGIS 10.8中，在解決這些問題方面為其用戶交出了一份滿意的答卷。

最新發布的ArcGIS 10.8，在深度學習能力方面做出了重大提升，旨在通過“GIS+AI”的新模式，進一步提升用戶對空間數據的洞察力，讓地理人工智能為業務注入新的動能。

眾所周知，深度學習與GIS結合主要在計算機視覺領域。GIS中有大量衛星、航空航天、無人機圖像，利用深度學習可以完成如圖像分類、對象檢測、語義分割和實例分割等許多計算機視覺任務。這些任務在GIS中有很多對應的應用場景。比如，對遙感影像等進行分類，從衛星或無人機影像中識別特定對象，進行土地使用分類或道路提取等。如此一來，計算機就真的如我們人類的“超級眼睛”一般，可以幫助我們去完成許多艱巨的工作任務。可以預見，由此地理人工智能的相關應用必將邁入新的臺階，呈井噴之勢。

就像斯坦福教授李飛飛曾在TED演講中暢想的那樣:“當機器可以‘看到’時,醫生和護士會獲得一雙額外的、不知疲倦的眼睛,幫他們診斷病情、照顧病人;汽車可以在道路上行駛得更智能、更安全。我們會發現新的物種、更好的材料,還可以在機器的幫助下探索從未見過的前沿地帶。”

下面，我們就來看看ArcGIS 10.8具體在哪些方面進行了提升：

內置大量深度學習模型，支持豐富的應用場景

在ArcGIS 10.8中，新增支持6個深度學習模型，分別是目標檢測模型SSD和RetinaNet，像素分類模型UNet和PSPNet，圖像分類模型Feature Classifier，以及實例分割模型MaskRCNN，全面覆蓋4大場景。

　深度學習全流程支撐，無需切換工作環境

深度學習典型的三大工作過程為：樣本準備、模型訓練以及訓練后的推理與分析。

ArcGIS在早前版本中，就推出了深度學習工具箱，提供樣本標注、樣本導出以及推理分析等系列工具。隨著新版本發布，ArcGIS全新內置了大量豐富的模型，使得ArcGIS實現了深度學習的全流程支持，在ArcGIS環境中即可完成深度學習完整工作過程，無需切換到其他環境中。

　　多種入口，即拿即用

ArcGIS的深度學習能力是通過GP工具或接口形式提供給用戶，它將深度學習復雜的網絡實現進行了封裝，只暴露必要的參數，并以工具或接口的方式，內置在ArcGIS多個產品中。用戶無需了解艱澀的深度學習底層原理，可以像使用其它工具一樣使用深度學習技術，即拿即用，且簡單易用，極大降低了使用門檻。

　強大的后處理與分析能力，完整支撐應用閉環

ArcGIS在前期的數據管理和預處理，如基于鑲嵌數據集的大規模影像數據的管理和樣本數據采集、編輯和預處理，以及深度學習結果出來之后的后處理和分析方面，擁有天然的優勢。

ArcGIS龐大的空間分析工具箱就像一座寶庫，其中有超過1200種工具可供用戶選擇，如眾數濾波工具可以移除誤分類的像元，邊界清理工具可以對區域進行平滑處理，Nibble工具去除小區域……這些工具結合Model Builder強大的建模能力，就可以打造出一套深度學習數據后處理和分析的專用工具箱，讓深度學習的結果與業務數據相結合進行進一步的空間分析，并借助ArcGIS平臺已有的各種即拿即用的應用程序快速搭建應用，將分析的結果在組織內進行分享，讓數據最大化地產生價值。

6月17-19日，由易智瑞公司主辦的“2020 ArcGIS空間信息技術開發者大會”將以線上直播的形式舉行。屆時，ArcGIS 10.8將正式亮相。與此同時，將有專題講座深度剖析ArcGIS平臺在深度學習方面的重大提升。