Narzędzie do klasyfikacji w Google Earth wykorzystuje AI do tworzenia niestandardowej warstwy mapy („klasyfikacji”) dla danego obszaru przez zdefiniowanie kategorii pokrycia terenu. Niezależnie od tego, czy chcesz mapować różne rodzaje upraw, śledzić pokrycie lasami czy rozróżniać dzielnice miejskie, to narzędzie przekształci Twoje oznaczone przykłady w mapę obejmującą cały obszar.
Jak to działa
- Dodaj klasy i podaj przykłady: upuść punkty na mapie, aby poinformować narzędzie co się tam znajduje (np. „Las” lub „Miasto”). Możesz to traktować jako „uczenie” AI, jak wyglądają różne krajobrazy, na podstawie Twoich definicji.
- Analiza AI: Za kulisami narzędzie łączy Twoje punkty z AlphaEarth Foundations Satellite Embedding zbiorem danych, czyli specjalistycznym globalnym modelem AI, który rozpoznaje unikalne wzorce obrazów satelitarnych.
- Mapowanie predykcyjne: model uczenia maszynowego ("Random Forest") analizuje każdy kwadrat o boku 10 metrów na Twoim obszarze. Porównuje te kwadraty z Twoimi przykładami i automatycznie wypełnia resztę mapy.
Generowanie niestandardowej warstwy klasyfikacji
- Otwórz istniejący projekt lub utwórz nowy w Google Earth.
- Kliknij Narzędzia
Klasyfikuj. Aby rozpocząć, narysuj wielokąt wokół obszaru zainteresowań lub wybierz istniejący wielokąt.
- Aby narysować obszar zainteresowań, klikaj punkty na mapie.
- Aby usunąć punkt, kliknij cofnij Cofnij.
- Aby narysować obszar zainteresowań od nowa, kliknij Odśwież Rozpocznij nową.
Aby rozpocząć tworzenie warstwy klasyfikacji, kliknij przycisk Dodaj klasy.
Aby nadać tytuł nowej warstwie, kliknij .
Wybierz rok klasyfikacji.
- Wybierz rok, który chcesz zmapować. Narzędzie używa danych satelitarnych z tego okresu do klasyfikacji i zakłada, że wszystkie podane przez Ciebie punkty próbkowania odzwierciedlają warunki terenowe z tego roku.
Dodaj do warstwy klasyfikacji co najmniej 2 klasy.
- Możesz wpisać własną wyświetlaną nazwę i nadać klasyfikacji kolor.
- Dowiedz się więcej o tym, jak stylizować warstwy danych.
Aby zapisać klasę, kliknij Gotowe.
Następnie umieść na mapie punkty próbkowania dla wybranej klasy, aby pokazać narzędziu, czego dokładnie szukasz.
- Umieść co najmniej 3 punkty próbkowania dla każdej klasy.
Możesz zdefiniować własne klasy niestandardowe lub wybrać klasy z istniejącego systemu klasyfikacji. System klasyfikacji zapewnia standardowy zestaw predefiniowanych kategorii, co umożliwia porównywanie map z innymi mapami korzystającymi z tego systemu.
Aby użyć systemu klasyfikacji, kliknij menu i wybierz list_alt Użyj systemu klasyfikacji.
- Następnie wybierz system klasyfikacji i wyszukaj w nim klasy. Wybierz klasy, których chcesz użyć, i kliknij Gotowe , aby je dodać.
- Możesz wpisać własną wyświetlaną nazwę i dostosować kolor.
Wyświetl sklasyfikowaną mapę. Mapa odzwierciedla wybrany rok klasyfikacji.
- W miarę dodawania punktów próbkowania warstwa jest stale aktualizowana.
Jeśli narzędzie nieprawidłowo sklasyfikuje obszar lub wyświetli obszary „niejednoznaczne”, dodaj kilka punktów próbkowania, aby poprawić błędy. Model natychmiast nauczy się na podstawie nowych przykładów, aby utworzyć dokładniejszą mapę.
- Klasa „niejednoznaczna” widoczna w legendzie reprezentuje obszary, w których model potrzebuje więcej informacji, aby odróżnić klasy. Te piksele są wyróżnione, aby pomóc Ci określić, gdzie dokładnie potrzebne są dodatkowe punkty próbkowania.
- Gdy podasz etykiety dla tych lokalizacji, warstwa zostanie zaktualizowana.
Gdy skończysz tworzyć warstwę, kliknij Gotowe gdy masz skończone tworzenie warstwy.
Aby zaktualizować warstwę, kliknij przycisk Edytuj w panelu inspektora warstwy. Dodaj więcej punktów próbkowania dla obszarów, które wyglądają nieprawidłowo lub są niekompletne. Pomoże to modelowi utworzyć lepszą mapę.
Wskazówki dotyczące dobrego mapowania
- Mapa jest tak dobra, jak punkty, które podasz. Aby uzyskać najlepsze wyniki, punkty powinny obejmować pełny zakres wariacji dla każdej klasy. Wybierz różne lokalizacje, które reprezentują różne przykłady klasy w ciągu całego roku. Jeśli na przykład mapujesz lasy, uwzględnij punkty zarówno dla gęstych, jak i rozproszonych drzew. Im więcej przykładów, tym lepiej.
- Narzędzie jest przeznaczone do klasyfikacji iteracyjnej. Jeśli wyniki w danym obszarze wyglądają „źle”, upuść tam więcej punktów, aby poprawić model AI. Zmniejsz obszary „niejednoznaczne”, dodając w tych obszarach oznaczone punkty.
- Wyświetlane wyniki są oparte na danych AlphaEarth Foundations Satellite Embeddings, czyli bogatym w funkcje zbiorze danych w rozdzielczości 10 metrów, utworzonym na podstawie kilku źródeł danych satelitarnych. Podczas umieszczania punktów na mapie podstawowej w wysokiej rozdzielczości w Google Earth AI analizuje krajobraz w skali wektorów dystrybucyjnych 10 metrów, aby zapewnić ogólną dokładność. Aby uzyskać najlepsze wyniki, skup się na oznaczaniu obiektów, które obejmują obszary większe niż kwadraty o boku 10 metrów.Dowiedz się więcej o AlphaEarth Foundations.
Ograniczenia
- Najwcześniejszy rok, dla którego możesz utworzyć warstwę klasyfikacji, to 2017.
- Narzędzie generuje klasyfikacje dla kwadratów o boku 10 metrów. Obiekty mniejsze niż ten, takie jak zaparkowane samochody, szopy na podwórku i pojedyncze małe drzewa, prawdopodobnie nie zostaną wykryte ani sklasyfikowane.