-
Изображение создано с помощью нейросети © gisinfo.ruВ КБ «Панорама» разработан сервис автоматического распознавания и векторизации «Panorama Vision» версии
1.5.0. В новой версии добавлена поддержка REST API протокола для доступа к комплексу. Использование REST API позволит встраивать сервис в веб-приложения и настольные программы. Работа с сервисом производится по модели заявок. Поддерживаются следующие методы: получение списка доступных моделей, получение списка доступных пользователю заявок, запрос информации о заявке, отправка заявки и другие. Ознакомиться с полным перечнем доступных методов можно по ссылке. Для работы с REST API необходимо получить регистрационный ключ.Комплекс поддерживает обработку снимков местности в форматах RSW, JPG, TIFF, PNG, а также данных из открытых геопорталов. «Panorama Vision» способен распознавать контуры участков полей, объектов гидрографии (рек, прудов, озер и других), здания и сооружения, дороги, высокоствольные леса, поросль (молодые древесные насаждения, кустарники), вырубки (участки с недавно удаленным лесом). Результаты обработки передаются пользователю в виде векторной карты, доступной для загрузки по протоколу WFS. Комплекс реализован в виде сервисов, предоставляющих удаленный доступ к дешифрированию данных. Он расположен в сети Интернет на серверах КБ «Панорама». Доступ к комплексу осуществляется из списка прикладных задач ГИС «Панорама» или с помощью REST API.
-
Изображение создано с помощью нейросети © gisinfo.ruВ КБ «Панорама» разработан сервис автоматического распознавания и векторизации «Panorama Vision» версии
1.4.0. Сервис дополнен нейросетевой моделью для сегментации лесов на мультиспектральных (RGB) спутниковых снимках с пространственным разрешением 0.6-1.2 м/пиксель. Модель, построенная на основе архитектуры «Трансформер», точно идентифицирует три категории объектов: высокий лес, поросль леса (молодые древесные насаждения, кустарники), вырубки (участки с недавно удаленным древостоем). Благодаря механизму внимания, характерному для трансформеров, нейронная сеть может улавливать глобальные зависимости между всеми частями изображения. Учет контекста окружающей местности позволяет нейронной сети корректно распознавать крупные и протяженные объекты, такие как лесные массивы, а также точнее классифицировать неоднозначные участки, например, отличать мелкую поросль от вырубок.Обучение нейросетевой модели проведено на снимках регионов Российской Федерации. Достигнутая точность сегментации на тестовой выборке превышает 90%. Результатом обработки снимков является векторная карта местности, формируемая сервисом «Panorama Vision» с использованием классификатора map5000m.rscz. Высокий лес наносится на карту, как площадные объекты «Лес густой высокий» с кодом 71111110, поросль леса — как площадные объекты «Поросль леса» с кодом 71113000, вырубки — как площадные объекты «Леса вырубленные» с кодом 71112300.
-
Изображение создано с помощью нейросети © gisinfo.ruВ КБ «Панорама» разработан сервис автоматического распознавания и векторизации «Panorama Vision» версии
1.3.0. В новой версии добавлен режим «Город» для совместного дешифрирования дорожной сети и зданий на спутниковых снимках. Комбинированный режим позволяет улучшить качество итоговой карты за счет взаимного топологического согласования объектов на этапе векторизации. В процессе формирования векторной карты выполняется интеллектуальное соединение разрывов дорожной сети в рамках заданного допуска. -
Изображение создано с помощью нейросети © gisinfo.ruВ КБ «Панорама» разработан сервис автоматического распознавания и векторизации «Panorama Vision» версии
1.2.0. В программе добавлены возможности по автоматическому дешифрированию дорог на спутниковых снимках. Новая нейросетевая модель обеспечивает распознавание асфальтированных и грунтовых дорог на снимках местности с пространственным разрешением 0.6 м/пиксель. Для обучения модели использовались спутниковые снимки городов Российской Федерации.В процессе дешифрирования на первом этапе выполняется семантическая сегментация дорог на изображении, формируется растровая маска, содержащая размеченные области, относящиеся к дорожной сети. На втором этапе сервис выделяет центральные линии дорог на полученной маске и векторизует объекты дорог. При векторизации производится автоматическое «дотягивание» дорог до пересечений друг с другом в рамках установленного допуска по расстоянию (до 100 м). Для создания векторной карты используется классификатор map5000m.rscz. Асфальтированные дороги наносятся на карту, как линейные объекты «Шоссе» с кодом 61230000, а грунтовые дороги — как линейные объекты «Улицы» с кодом 45200000.
-
Фото из архива КБ "Панорама" © gisinfo.ruВ КБ «Панорама» разработан сервис автоматического распознавания и векторизации «Panorama Vision» версии
1.1.1. В новой версии повышена точность дешифрирования контуров зданий и сельскохозяйственных участков. В комплекс интегрирована новая нейросетевая модель, оптимизированная для распознавания контуров зданий на снимках местности с пространственным разрешением 0.1-0.3 м/пиксель. -
Изображение создано с помощью нейросети © gisinfo.ruВ КБ «Панорама» разработана ГИС «Панорама» версии 15.3.2 и сервис автоматического распознавания и векторизации «Panorama Vision» версии
1.1.0. В новой версии расширены возможности комплекса автоматического распознавания и векторизации «Panorama Vision» и доработаны инструменты автоматического дешифрирования спутниковых снимков. В программе добавлена нейросетевая модель для выделения контуров зданий на изображениях местности. Сервис «Panorama Vision» приводит распознанные контуры зданий к прямоугольной форме и корректирует их расположение так, чтобы они точно соответствовали фундаменту зданий.
