人工智能 GIS（AI GIS）是人工智能与 GIS 相互融合的技术统称，包括：

1）融合 AI 的空间分析算法（GeoAI）与相关的流程工具；

2）基于 AI 技术增强 GIS软件的功能和交互端用户体验，提高 GIS 软件的智能化；

3）基于 GIS 对 AI 算法输出结果的管理、分析与可视化。

● 完善全系列产品的人工智能 GIS 能力

◇完善服务端机器学习服务，新增梯度提升树分类等多种空间机器学习功能

◇新增桌面端影像样本管理工具，人脸打码、车牌打码功能

◇新增组件端梯度提升树分类等多种空间机器学习功能， 新增 Cascade R-CNN 等新型深度学习模型

◇完善移动端 AI+AR 分析、AI 属性采集、AI 测图等功能

● 完善人工智能 GIS 工作流程工具

◇数据准备阶段新增影像样本管理等流程工具

◇新增面聚合、建筑物规则化等影像分析推理结果后处理工具

● 完善空间抽样与统计推断功能

◇支持简单随机抽样、系统抽样、分层抽样

◇支持空间随机抽样、空间分层抽样、三明治抽样

◇支持 SPA 模型、B-Shade 模型

◇新增组件端梯度提升树分类等多种空间机器学习功能， 新增 Cascade R-CNN 等新型深度学习模型

◇完善移动端 AI+AR 分析、AI 属性采集、AI 测图等功能

● 完善人工智能 GIS 工作流程工具

◇数据准备阶段新增影像样本管理等流程工具

◇新增面聚合、建筑物规则化等影像分析推理结果后处理工具

● 完善空间抽样与统计推断功能

◇支持简单随机抽样、系统抽样、分层抽样

◇支持空间随机抽样、空间分层抽样、三明治抽样

◇支持 SPA 模型、B-Shade 模型

● 支持多种空间机器学习功能

◇聚类分析：支持空间热点分析、空间密度聚类等功能

◇分类分析：支持地图匹配、地址要素识别、基于森林的分类等功能

◇回归分析：支持地理模拟、地理加权回归、基于森林的回归等功能

● 支持多种深度学习模型

◇影像分析目标检测：Cascade R-CNN、Faster R-CNN

◇影像分析二元分类：FPN、DeepLab V3+、D-LinkNet

◇影像分析地物分类：FPN、DeepLab V3+

◇图片目标检测：Cascade R-CNN、Faster R-CNN

● 升级深度学习框架

◇升级 TensorFlow 框架由 1.14 至 2.1 版本 和 Pytorch框架由 1.2.0 至 1.8.1 版本

◇新增 PaddlePaddle 框架支持

● 增强移动端 AI 能力

◇完善 AI 属性采集、AI 测图、AI+AR 分析能力

◇支持地理围栏、限速分析、视频分割