Bereich "Ähnliche suchen"
Im Bereich Ähnliche suchen können Sie eine interaktive Ähnlichkeitssuche anhand von Positions- und Bilddaten durchführen, indem Sie die Embeddings-Darstellungen miteinander vergleichen. Er ist für die Echtzeit-Erkundung konzipiert und unterstützt die Erkennung ähnlicher Merkmale dynamisch durch direkte Interaktion mit der Karte und ausgewählten Datensätzen.
Der Bereich Ähnliche finden arbeitet mit Features innerhalb der aktuellen Kartenausdehnung und optimiert diese für fokussierte, kontextbezogene Erkundung. Während Sie die Karte schwenken oder zoomen, wird eine Ähnlichkeitssuche anhand der sichtbaren Teilmenge der Daten durchgeführt, um eine reaktionsschnelle Leistung und einen sinnvollen räumlichen Kontext sicherzustellen.
Im Gegensatz zum Geoverarbeitungswerkzeug Ähnliche Features anhand von Embeddings finden, das für umfangreiche Batchanalysen optimiert ist, ist der Bereich Ähnliche suchen erfahrungsorientiert und reaktionsschnell. Die Ergebnisse werden unmittelbar basierend auf der Auswahl generiert und direkt in der Kartenansicht visualisiert, was eine iterative Erkundung, einen schnellen Vergleich und eine interaktive Optimierung der Ähnlichkeitskriterien unterstützt.
Dieser Prozess dient auch als Vorbereitungsschritt für umfangreichere Analysen. Indem Sie verschiedene Abfragemerkmale interaktiv testen und deren Ähnlichkeitsergebnisse innerhalb der Kartenausdehnung bewerten, können Sie die am besten geeigneten Abfrage-Features ermitteln, bevor Sie das Geoverarbeitungswerkzeug für die Ähnlichkeitssuche auf das vollständige Dataset ausführen.
Der Bereich Ähnliche suchen ist für explorative Analysen, schnelle Validierungen und die fundierte Entscheidungsfindung vor der Durchführung rechenintensiver Ähnlichkeitsoperationen gedacht.
Konzeptioneller Workflow
Konzeptionell funktioniert der Bereich Ähnliche suchen wie folgt:
Eingabe-Embeddings (Suchbereich)
Die Eingabe-Embedding-Features definieren den Suchbereich für die Ähnlichkeitsanalyse. Jedes Feature enthält eine Embedding-Darstellung, die entweder aus Bilddaten oder einer geographischen Position abgeleitet wurde.
Für Bild-Embeddings repräsentieren Embedding-Gitterzellen Features, die aus den zugrundeliegenden Bilddaten extrahiert wurden. Alle Ähnlichkeitsberechnungen werden anhand dieser Embedding-Gitterzellen durchgeführt. Die Bilddaten werden nur zur visuellen Referenz angezeigt und nicht direkt in Ähnlichkeitsberechnungen verwendet.
Bei Standort-Embeddings wird jedes Feature durch ein Embedding dargestellt, das aus seiner geographischen Position abgeleitet wurde. Die Ähnlichkeit wird berechnet, indem diese positionsbasierten Embeddings verglichen werden.
Ähnlich verhält es sich bei Text-Embeddings: Jedes Feature wird durch ein Embedding dargestellt, das aus dem zugehörigen Textattribut abgeleitet wurde. Die Ähnlichkeit wird berechnet, indem diese textbasierten Embeddings verglichen und semantische Beziehungen zwischen den Features erfasst werden.
Abfrage-Features
Abfrage-Features definieren die Objekte von Interesse für die Ähnlichkeitssuche. Ein oder mehrere Polygon-Features können als Abfragen verwendet werden. Dies sind ausgewählte Polygon-Features aus den Embedding-Features. Mit anderen Worten: Sie heben interaktiv ein oder mehrere vorhandene Embedding-Features hervor, um den relevanten Bereich oder die relevanten Objekte zu definieren.
Die Embedding-Vektoren der ausgewählten Features werden durch Berechnung ihres Mittelwerts aggregiert, wodurch ein einziger repräsentativer Abfrage-Embedding-Vektor entsteht. Dieser aggregierte Vektor erfasst die gesamten semantischen Merkmale der ausgewählten Features.
Das resultierende Abfrage-Embedding wird dann mit allen Embeddings in der aktuellen Kartenausdehnung unter Verwendung von Kosinusähnlichkeit verglichen, um ähnliche Features zu identifizieren.
Ähnlichkeitsbewertung und Ergebnisfilterung
Das abgeleitete Abfrage-Embedding wird mit den Embeddings im Suchbereich verglichen, und für jeden Embedding-Kandidaten im Suchbereich wird ein Ähnlichkeitswert berechnet.
Der Schwellenwert-Parameter wird auf Filterergebnisse angewendet. In die Ausgabe werden nur Features aufgenommen, deren Ähnlichkeitswert dem festgelegten Mindestschwellenwert entspricht oder ihn überschreitet.
Der Workflow erkennt alle Embedding-Features, die die Ähnlichkeitskriterien in der aktuellen Kartenausdehnung erfüllen.
Exportieren der Suchergebnisse
Die Ergebnisse der Ähnlichkeitssuche können mit der Schaltfläche Ergebnisse exportieren im Bereich **Ähnliche suchen ** in eine Ausgabe-Feature-Class exportiert werden. Die exportierte Feature-Class speichert die zugeordneten Features zusammen mit allen verfügbaren Attributen.
[!NOTE]Durch das Exportieren von Features in einen Ordner als Shapefile werden Embeddings nicht beibehalten. Embeddings können nur in unterstützte Geodatabase-Formate exportiert werden – File-Geodatabases, Enterprise-Geodatabases (registrierte Features-Classes) oder mobile Geodatabases.
Interpretation von Embedding-basierter Ähnlichkeit
Die Ähnlichkeitssuche wird ausschließlich für Embedding-Darstellungen durchgeführt. Die Definition von Ähnlichkeit hängt vom Typ der verwendeten Embeddings und dem Modell ab, das sie generiert hat.
Standort-Embeddings
Wenn Standort-Embeddings verwendet werden, wird jedes Feature durch ein Embedding dargestellt, das aus seiner geographischen Position und seinem geographischen Gebiet abgeleitet wurde. Die Ähnlichkeit zwischen den Features wird durch den Vergleich dieser Embedding-Darstellungen berechnet.
Die in Embeddings codierten räumlichen Eigenschaften hängen vom verwendeten Embedding-Modell. Folglich basieren die als ähnlich eingestuften Features auf den Mustern, die das Modell, das die Embeddings generiert hat, gelernt hat.
Bild-Embeddings
Wenn Bild-Embeddings verwendet werden, repräsentieren Embedding-Gitterzellen Features, die aus den zugrundeliegenden Bilddaten extrahiert wurden. Die Ähnlichkeitssuche wird anhand der Embedding-Gitter durchgeführt, nicht auf Basis der Bildpixel.
Die auf der Karte angezeigten Bilddaten werden nur zur visuellen Referenz angegeben und nicht direkt in Ähnlichkeitsberechnungen verwendet. Alle Vergleiche werden mit den Embedding-Darstellungen durchgeführt, die aus den Bilddaten abgeleitet wurden.
Text-Embeddings
Bei Text-Embeddings wird jedes Feature durch ein Embedding dargestellt, das aus dem zugehörigen Textattribut abgeleitet wurde. Die Ähnlichkeit zwischen den Features wird durch den Vergleich dieser Embedding-Darstellungen berechnet.
In allen Fällen wird die Ähnlichkeit durch den Vergleich von Embedding-Darstellungen ermittelt, und die Ergebnisse können je nach verwendetem Embedding-Modell variieren.