Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Deep Learningで地図を作ってみた!

1,200 views

Published on

W11 発表資料

Published in: Science
  • Be the first to comment

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!

×