Diese Präsentation wurde erfolgreich gemeldet.
Die SlideShare-Präsentation wird heruntergeladen. ×

Deep Learningで地図を作ってみた!

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige

Hier ansehen

1 von 15 Anzeige
Anzeige

Weitere Verwandte Inhalte

Andere mochten auch (20)

Weitere von IWASAKI NOBUSUKE (20)

Anzeige

Aktuellste (20)

Deep Learningで地図を作ってみた!

  1. 1. ESJ64 W11・5分で自分をアピール! 生態学ライトニングトーク@東京 Deep Learningで 地図を作ってみた! いわさきのぶすけ 1
  2. 2. 過去の土地利用と生物多様性 2生態学で地図大事だよね!! http://www.esj.ne.jp/meeting/abst/63/P1-333.html
  3. 3. 過去の土地利用と生物多様性 3生態学で地図大事だよね!! (Koyanagi, 2009) Historical impacts on linear habitats: The present distribution of grassland species in forest-edge vegetation
  4. 4. とうことで、みんな地図を作ろう! 4生態学で地図大事だよね!! • デジタイザーへのみち!! – スキャン、幾何補正、デジタイズ http://old.osgeo.jp/wp-content/uploads/2010/03/esj75_iwasaki.pdf
  5. 5. やった人は知っている 5生態学で地図大事だよね!! • めんどくさい orz... – または修行の道、無我の境地、
  6. 6. 画像だったらDeep Learningがあるじゃないか! • 人工知能にまかせて、俺様らくちん! 6そうだ、Deep Learningでいこう!!
  7. 7. ちょっと真面目にDeep Learningの説明 • 多層構造のニューラルネットワーク – 特徴量の自動抽出がキモ! • ニューラルネットが人工知能 • 今回はCNNを使用 – 畳み込みニューラルネットワーク 7そうだ、Deep Learningでいこう!! http://www.kantei.go.jp/jp/singi/titeki2/tyousakai/kensho_hyoka_kikaku/2017/johozai/dai3/sankou1.pdf
  8. 8. データは地図タイルで! • 既に膨大な量のデータが存在する – 一回作れば、他のデータにも応用可能!! 8そうだ、Deep Learningでいこう!! http://maps.gsi.go.jp/development/siyou.html 地図タイルの概念図 http://hoge.hoge/{z}/{x}/{y}.{ext}で指定される
  9. 9. データは地図タイルで! • 同じ場所のデータをさくっと取れる! – 15/29101/12900.{ext}の例 9そうだ、Deep Learningでいこう!! https://cyberjapandata.gsi.go.jp/xyz/std/15/29101/12900.png http://www.finds.jp/ws/tmc/1.0.0/Kanto_Rapid-900913-L/15/29101/12900.png https://cyberjapandata.gsi.go.jp/xyz/ort/15/29101/12900.jpg http://map.ecoris.info/tiles/vege67hill/15/29101/12900.png 地理院タイル標準地図 地理院タイル空中写真 迅速測図 エコリス地図タイル植生
  10. 10. ざっくり分類結果! • だいたい良い感じ! – ただしチューニングは必要。 – ここが名人芸 10そうだ、Deep Learningでいこう!! (a)入力画像 (b)正解画像 (c)当初の分類結果 精度:46% (d)現在の分類結果 精度:76% (a)入力画像 (b)正解画像 (c)当初の分類結果 精度:53% (d)現在の分類結果 精度:84% (a)入力画像 (b)正解画像 (c)当初の分類結果 精度:24% (d)現在の分類結果 精度:52%
  11. 11. 全体分類結果 • 正解率は75%! – ちょっと低いが傾向は分かる • 何より1日で分類できる! – デジタイジングだと一ヵ月!! 11そうだ、Deep Learningでいこう!!
  12. 12. その他にも応用できるんじゃね? • たとえば – 特徴的な植生の抽出 – 生物の生息域予測etc… • みんなタイルにしてアップすれば共有も! 12そうだ、Deep Learningでいこう!! http://map.ecoris.info/tiles/vege67/15/29099/12839.png https://cyberjapandata.gsi.go.jp/xyz/ort/15/29099/12839.jpg
  13. 13. 地図タイルベースのWebGIS • Deep Learning以外にも使えるはず – for ex. Leaflet版CS立体図 • https://frogcat.github.io/csmap/ – 利点 • GISのワークフローの劇的な改善 – 前処理が効率化できる • 開発した手法の汎用的に使える – データがタイルになっていればいい • 既に様々なリソースがある – 地理院タイル、OSM、川だけ地図、迅速測図、etc… – 欠点 • 特に、高緯度での定量的評価 13TileMap-WebGIS
  14. 14. おまけ • 新しいフレームワークでやったら、もっと精 度がよかったorz... – こちらはpix2pixというフレームワーク • https://phillipi.github.io/pix2pix/ – ○○万円だして数か月かかったのに… • http://qiita.com/wayama_ryousuke/items/ca43cabffde90a66434b 14そうだ、Deep Learningでいこう!! 元画像 正解 CNN pix2pix
  15. 15. まとめ • 生態学でも地図重要 – 過去の環境が現在の現象に影響 • 地形図から土地利用図を作る – が、めんどくさい • Deep Learningでやってみた! – まぁ精度が出た。これからはタイルの時代? • 進歩が早いので、良いものがすぐ出る! – 逆に投資が無駄になることにも・・・。 • ころんでも泣かない!! 15Deep Learningで地図を作ってみた!

×