Artificial Intelligence?

Artificial intelligence (AI) of kunstmatige intelligentie is een verzamelnaam geworden voor algoritmes die complexe processen uitvoeren waarvoor voorheen menselijke input was vereist. De term AI wordt vaak door elkaar gebruikt met gerelateerde termen als deep learning en machine learning. AI kent veel verschillende vormen en toepassingen, denk aan o.a. online chatbots en slimme algoritmes die jou nieuwe films (Netflix) of muziek (Spotify) aanbevelen. Wij hebben ons gespecialiseerd in het toepassen van AI op geografische data. Hierbij kunt u denken aan luchtfoto’s, hoogtemodellen en andere remote sensing data bronnen. Door een AI algoritme te “trainen” (deep learning) kunnen wij snel en met hoge nauwkeurigheid grote hoeveelheden aan data analyseren en nieuwe informatie genereren. Met behulp van deep learning zijn wij in staat alle zichtbare objecten in luchtfoto’s te herkennen (classificeren) en uit te snijden (segmenteren). Zo detecteren wij automatisch solar panels in luchtfoto’s. Door de panelen nauwkeurig te segmenteren kunnen wij aan de hand van het gedetecteerde oppervlak de potentiële energieopbrengst per adres berekenen. Bij het automatisch detecteren van objecten in luchtfoto’s kan gedacht worden aan: detectie van auto’s, parkeerplaatsen, uitbouw, zwembaden en bomen. Zolang objecten in luchtfoto’s zichtbaar zijn voor de mens, kunnen wij deze automatisch detecteren!

Hoe werkt deep learning?

Deep learning is een techniek die computers op dezelfde manier iets leert als mensen leren: leren door het goede voorbeeld te geven. Deep learning is een belangrijke techniek die nu veel wordt toegepast in zelfrijdende auto’s, waardoor ze een stopbord kunnen herkennen of een voetganger van een lantaarnpaal kunnen onderscheiden. Deep learning krijgt de laatste tijd veel aandacht en daar is een goede reden voor. Het behaalt resultaten die voorheen niet mogelijk waren. Bij deep learning leert een computermodel classificatietaken rechtstreeks uit afbeeldingen. Deze modellen kunnen uitzonderlijke prestaties bereiken, die soms menselijk niveau overtreffen in nauwkeurigheid. Een deep learning model bestaat uit een neuraal netwerk met vele lagen die getraind kunnen worden. In de verschillende lagen van het netwerk worden kenmerken van de afbeelding geanalyseerd als lijnen, hoeken, vormen, textuur en kleuren. Het netwerk wordt vaak als een black box beschreven omdat we niet precies weten wat er in elke laag “geleerd” word.

Kwaliteit

Neurale netwerken worden op dezelfde manier getraind als mensen leren, door voorbeelden. Hiervoor geld voor een neuraal netwerk doorgaans ook dezelfde regel: hoe meer en hoe beter de voorbeelden zijn, hoe beter het model uiteindelijk in staat is om iets te herkennen. De modellen worden getraind met behulp van een grote set gelabelde gegevens van zowel positieve als negatieve voorbeelden. Daarnaast is de kwaliteit van de objectdetectie en classificatie voor een groot deel afhankelijk van de kwaliteit van de luchtfoto. Op een hoge resolutie luchtfoto zijn meer kenmerkende details (bijvoorbeeld textuur en hoeken) zichtbaar dan op een lage resolutie luchtfoto. Daarnaast is de kwaliteit van de luchtfoto minstens even belangrijk, op een hoge resolutie luchtfoto met een laag contrast, veel schaduw of een bewogen/wazig beeld zal de detectie mogelijk minder nauwkeurig zijn. In het geval de luchtfoto een mindere kwaliteit heeft, zal meer trainingsdata nodig zijn om een goede nauwkeurigheid te behalen. Bent u benieuwd naar de mogelijkheden van objectdetectie op luchtfoto’s of wilt u meer informatie? Neem dan contact us.