Cognition使用正确解释图像，矢量和点云所需的所有语义信息对图像，矢量和点云进行分类和分析。它不是检查独立的像素或点，而是从对象的内涵和相互关系中提炼出意义，不仅与相邻对象，而且贯穿各种输入数据。
当然，它也可以识别像素信息。机器学习和深度学习方法可以轻松集成到自动化工作流程中。然而，它通过在一系列迭代分割和分类步骤中创建强大的认知网络，为这些信息增加了重要的价值。这极大地提高了从数据中提取的情报和信息的价值。更重要的是，提取的信息是完全量化的，能够满足用户的特定需求。
-为了构建分析解决方案，可以灵活地将图像解释步骤，如对象创建（分割）、对象分类（基于知识、模糊逻辑、机器学习）、对象检测（模板匹配）和对象修改（融合、平滑、正交化、简化）组合到规则集甚至新应用程序（带 UI 的规则集）中，以解决分析问题。其结果是一种独特的方法，可以将思维模型（为什么人类解释器可以看到地理空间数据中的对象，变化或特征）转换为计算机可理解的代码（规则集）或单个/自定义应用程序。
数据融合电子认知可以融合
各种地理空间数据，例如光谱栅格数据、3D 点云数据和来自 GIS 矢量图层的专题数据。图像可以与点云对话，矢量可以与图像对话，并且这三者可以相互通信。用户可以充分利用其输入数据的全部功能，而不受数据类型和来源的影响。
电子认知产品
微博帐号登录