Deep Learningで地図を作ってみた！

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

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

過去の土地利用と生物多様性
(Koyanagi, 2009)
Historical impacts on linear habitats: The present distribution of grassland species in forest-edge vegetation

とうことで、みんな地図を作ろう！
• 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

やった人は知っている
• めんどくさい orz...
– または修行の道、無我の境地、

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！！

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
http://www.kantei.go.jp/jp/singi/titeki2/tyousakai/kensho_hyoka_kikaku/2017/johozai/dai3/sankou1.pdf

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！！
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

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
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

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
(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%
精度：53％
精度：84%
精度：24%
精度：52%

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！！

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！
http://map.ecoris.info/tiles/vege67/15/29099/12839.png
https://cyberjapandata.gsi.go.jp/xyz/ort/15/29099/12839.jpg

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

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
元画像正解 CNN pix2pix

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！

Deep Learningで地図を作ってみた！

More Related Content

Viewers also liked (20)

Similar to Deep Learningで地図を作ってみた！ (7)

More from IWASAKI NOBUSUKE (20)

Deep Learningで地図を作ってみた！