Narzędzie do klasyfikacji w Google Earth wykorzystuje AI do tworzenia niestandardowej warstwy mapy („klasyfikacji”) dla danego obszaru przez definiowanie kategorii pokrycia terenu. Niezależnie od tego, czy chcesz mapować różne rodzaje upraw, śledzić pokrywę leśną czy rozróżniać dzielnice miejskie, to narzędzie przekształci 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”). Można to porównać do „uczenia” AI, jak wyglądają różne krajobrazy, na podstawie własnych definicji.
- Analiza AI: Za kulisami narzędzie łączy Twoje punkty ze zbiorem danych AlphaEarth Foundations Satellite Embedding, czyli specjalistycznym globalnym modelem AI, który rozumie unikalne wzorce zdjęć satelitarnych.
- Mapowanie predykcyjne: model uczenia maszynowego („las losowy”) analizuje każdy kwadrat o boku 10 metrów na Twoim obszarze. Porównuje te kwadraty z Twoimi przykładami i automatycznie wypełnia resztę mapy.
Wygeneruj niestandardową warstwę 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 zainteresowania, klikaj punkty na mapie.
- Aby usunąć punkt, kliknij Cofnij Cofnij.
- Aby ponownie narysować obszar zainteresowania, kliknij Odśwież Rozpocznij nową.
Kliknij przycisk Dodaj klasy, aby rozpocząć tworzenie warstwy klasyfikacji.
Kliknij , aby nadać nazwę nowej warstwie.
Wybierz rok klasyfikacji.
- Wybierz rok, który chcesz zmapować. Narzędzie używa do klasyfikacji danych satelitarnych z tego okresu i zakłada, że wszystkie podane przez Ciebie punkty próbkowania odzwierciedlają warunki gruntowe z tego roku.
Dodaj do warstwy klasyfikacji co najmniej 2 klasy.
- Możesz wpisać własną wyświetlaną nazwę i nadać klasyfikacji styl za pomocą koloru.
- Więcej informacji o stylizowaniu warstw danych
Kliknij Gotowe, aby zapisać zajęcia.
Następnie umieść na mapie przykładowe punkty 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 ustandaryzowany zestaw wstępnie zdefiniowanych kategorii, co umożliwia porównywanie map korzystających z tego systemu klasyfikacji.
Aby użyć systemu klasyfikacji, kliknij menu i wybierz list_alt Użyj systemu klasyfikacji.
- Następnie wybierz system klasyfikacji i wyszukaj w nim klasy. Wybierz zajęcia, których chcesz użyć, i kliknij Gotowe, aby je dodać.
- Możesz wpisać własną wyświetlaną nazwę i dostosować kolor.
Wyświetl mapę klasyfikacji. Mapa odzwierciedla wybrany rok klasyfikacji.
- Warstwa jest stale aktualizowana w miarę dodawania punktów próbkowania.
Jeśli narzędzie nieprawidłowo sklasyfikuje obszar lub wyświetli obszary „niejednoznaczne”, dodaj kilka kolejnych punktów próbkowania, aby poprawić błędy. Model natychmiast nauczy się na podstawie nowych przykładów, aby wygenerować dokładniejszą mapę.
- Klasa „niejednoznaczne” widoczna w legendzie reprezentuje obszary, w których model wymaga więcej informacji, aby rozróżnić 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.
Możesz zaktualizować warstwę, klikając przycisk Edytuj w panelu inspektora warstwy. Edytuj, aby dodać więcej przykładowych punktów w obszarach, które wyglądają na nieprawidłowe lub niekompletne. Pomoże to modelowi wygenerować lepszą mapę.
Wskazówki dotyczące dobrego mapowania
- Mapa jest tak dobra, jak podane przez Ciebie punkty. Aby uzyskać najlepsze wyniki, punkty powinny obejmować pełny zakres zmienności dla każdej klasy. Wybierz różne lokalizacje, które reprezentują różne przykłady zajęć 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 jakimś obszarze wydają się nieprawidłowe, dodaj tam więcej punktów, aby poprawić model AI. Zmniejsz liczbę obszarów „niejednoznacznych”, dodając w nich punkty z etykietami.
- Wyświetlane wyniki są oparte na wektorach dystrybucyjnych satelity AlphaEarth Foundations, czyli bogatym w funkcje zbiorze danych o rozdzielczości 10 metrów, który powstał na podstawie kilku źródeł danych satelitarnych. Gdy używasz mapy podstawowej o wysokiej rozdzielczości w Google Earth do umieszczania punktów, AI analizuje krajobraz w skali wektora dystrybucyjnego o rozdzielczości 10 metrów, aby zapewnić ogólną dokładność. Aby uzyskać najlepsze wyniki, skup się na oznaczaniu etykietami obiektów, które obejmują obszary większe niż 10 metrów kwadratowych. Więcej informacji 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, takie jak zaparkowane samochody, szopy na podwórku i pojedyncze małe drzewa, prawdopodobnie nie zostaną wykryte i sklasyfikowane.