Arealstatistik Deep Learning (ADELE)

Projekt

Zusammenfassung

Die Arealstatistik des BFS ist ein unverzichtbares Instrument der langfristigen Raumbeobachtung. Das Projekt zielt darauf ab, das nötige Knowhow im Bereich der Technologien zur künstlichen Intelligenz (KI) zu erlangen und damit auf lange Sicht die Luftbildinterpretation zur Identifizierung und Klassifizierung von Veränderungen zumindest teilweise zu automatisieren.

Beschreibung

Für die Bildinterpretation im Rahmen der Statistik der Bodennutzung und Bodenbedeckung eignen sich insbesondere die Lernmethoden des Deep Learning, für das grosse Mengen an Trainingsdaten vorhanden sind. Dieses Projekt geht der extern in Auftrag gegebenen Entwicklung eines Informatikprototyps voraus, mit dem der Ansatz Anfang 2019 auf das gesamte Schweizer Gebiet angewandt werden soll.

Das Projekt umfasst folgende Schritte:

  • sich mit den Luftbildern (Primärdaten) und den bisherigen Erhebungsresultaten (Referenzdaten) vertraut machen;
  • einen Datensatz für die Modellierung zusammenstellen, einschliesslich Umwandlung und Säuberung der Daten;
  • die Modellierungstechniken testen und die Parameter verändern, um die möglichen Lösungen zu untersuchen;
  • den entwickelten Informatikprototyp 2019 abnehmen und die erworbenen Kenntnisse anwenden, um dessen Robustheit zu testen.

Ziele

Mit diesem Projekt sollen die Mitarbeitenden der Sektion GEO an die neuen KI-Technologien, die 2019 in den Produktionsprozess integriert werden, herangeführt werden.

Folgende Ziele sind zu erreichen:

  • das neue Gebiet, die Herausforderungen und die Erfolgskriterien verstehen sowie eine Aufgabe anhand von KI-Daten und -Methoden lösen können;
  • geeignete Daten und Werkzeuge bereitstellen (framework) und diese für die Weiterbildung, Analyse und weiterführende Untersuchungen nutzen.