FlyPix AI

모델은 하이퍼파라미터를 만지는 대신 자기 이미지 위에 도형을 그려서 만든다. 라벨 몇 개로 학습 데이터를 구성하기 때문에 머신러닝 전담 인력이 없는 팀도 시작이 빠르다. 만든 모델은 작업 공간에 남아 다음 비행에 다시 쓴다.

객체를 찾아 경계를 따라 그리고, 위치와 함께 유형, 면적, 크기 같은 속성을 돌려준다. 재고 조사에서 이 조합이 중요하다. 개수만으로는 각 요소가 차지하는 면적을 알 수 없기 때문이다. 좁은 구역에 수백 개가 몰린 장면도 같은 처리로 지나간다.

촬영일 두 개를 비교하면 새로 생긴 것, 사라진 것, 움직인 것을 드러낸다. 시간에 따른 면적 변화에 표시가 붙어서 이미지를 나란히 놓지 않고도 이상한 패턴이 보인다. 신축 건물, 불법 벌채, 고장 난 관개관 같은 모니터링의 핵심이 여기에 있다.

위성 이미지와 드론 이미지를 모두 다루며 RGB, 다중분광, 초분광, LiDAR, SAR를 지원한다. 센서를 섞은 사업에서는 구름 낀 위성 관측과 같은 지점의 맑은 드론 촬영을 함께 둘 수 있다. 식생 스트레스 신호가 필요할 때는 RGB로는 안 보이는 초분광 밴드가 도움이 된다.

결과는 대화형 지도에 올라가고, 히트맵은 탐지가 몰린 곳이나 강도가 높은 곳을 보여준다. BI 도구를 따로 붙이지 않고 지리공간 분석을 하려는 팀은 원본 데이터를 열지 않는 관계자용 대시보드를 만든다. 광역 위성 이미지에서는 히트맵이 집계표보다 읽기가 빠르다.

여러 사용자가 같은 프로젝트를 열어 편집하고, 주석 작업을 나누고, 서로의 라벨에 의견을 남긴다. 납기가 촉박한 드론 이미지 사업에서는 혼자 하던 일이 병렬 작업이 된다. 대시보드도 공유되므로 고객은 별도 라이선스 없이 결과를 따라갈 수 있다.