Guest
7 репозиториев с предварительно обученными моделями GeoAI для ГИС Работаете ли вы с изображениями, картированием почвенно-растительного покрова или обнаружением объектов в ГИС, эти ресурсы предложат вам инструменты и модели, необходимые для начала работы. 1. TensorFlow Hub Коллекция предварительно обученных моделей для таких задач, как анализ и сегментация спутниковых изображений (хранится в Kaggle): 2. Model Zoo для PyTorch Предварительно обученные модели, такие как ResNet и Faster R-CNN, идеально подходят для дистанционного зондирования и геопространственных рабочих процессов. 3. Hugging Face Model Hub Размещает модели для компьютерного зрения и данные временных рядов, полезные для геопространственных задач, таких как анализ землепользования. 4. IBM Model Asset eXchange (MAX) Предварительно обученные модели с открытым исходным кодом для распознавания изображений и обнаружения объектов, полезные в ГИС-приложениях. 5. NVIDIA NGC Высокопроизводительные модели ИИ для масштабных геопространственных рабочих процессов, таких как обнаружение объектов и 3D моделирование. 6. Radiant MLHub Курируемые наборы данных и предварительно обученные модели для дистанционного зондирования и наблюдения Земли. (во время перехода на Source Cooperative) 7. ArcGIS Living Atlas Всеобъемлющие геопространственные слои и наборы данных, идеально подходящие для обучения моделей ИИ в рабочих процессах ГИС с использованием инструментов ArcGIS. Совет профессионала: ищите “dlpk“. Видео: Примеры GeoAI из ArcGIS Living Atlas.
