Saha İş Akışlarınız Tek Uygulamada: ArcGIS Field Maps

ArcGIS Field Maps, Esri’nin iOS ve Android cihazlardaki yeni haritalar uygulamasıdır.

Field Maps, aşağıdaki yetenekleri kullanımı ve dağıtımı kolay olan tek bir uygulamada birleştirir:

  • Harita görüntüleme ve işaretleme
  • Yüksek doğruluklu veri toplama ve denetimi
  • Pil ömrü için optimize edilmiş konum izleme
  • İş planlaması ve görev yönetimi
  • Adım adım rotalama

Field Maps, mobil işgücü gereksinimleriniz için optimize edilmiş haritaları yapılandırma ve dağıtma, mobil çalışanlar için görev oluşturma ve atama, çalışan konumların görünümlerini oluşturma ve paylaşma için kullanılabilecek ArcGIS ile entegre yeni bir web uygulaması içerir. Web uygulaması ayrıca, web haritaları oluşturmak için gelişmiş bir form yazma deneyimi (Akıllı Formlar) sunacaktır.

ArcGIS Field Maps’in yetenekleri yeni değildir ve bu yetenekler şu anda farklı saha uygulamalarında (ArcGIS Collector, ArcGIS Explorer, ArcGIS Navigator, ArcGIS Tracker ve ArcGIS Workforce) sağlanmaktadır. Birden çok uygulama ile çalışmak mobil çalışanlar için aşağıda listelendiği gibi çeşitli zorluklar yaratabilir:

  • İş akışı gereksinimlerini karşılamak için hangi uygulamaların kullanılması gerektiğini bulma
  • Her uygulamayı tek tek indirme ve oturum açma
  • Çevrimdışı çalışmak için harita verilerinin birden çok kopyasını indirme
  • İş akışlarını tamamlamak için birden çok uygulama arasında geçiş yapma

Bu nedenlerden dolayı, bu beş uygulamanın yetenekleri tek bir uygulamada bir araya getirilmiştir.

ArcGIS Field Maps, mobil iş gücünüzün harita merkezli iş akışlarını tamamlamak için ihtiyaç duyduğu tek uygulama olabilir. Tek bir uygulamadan veri toplayabilir, haritaları işaretleyebilir, konum izlerini yakalayabilir, iş atamalarını tamamlayabilir ve harita varlıklarına rota çizebilirsiniz.

Mobil çalışanlar için yalnızca tek bir uygulamayı indirerek oturum açma ve tek bir uygulamayla çalışma zaman kazandıracaktır. Ayrıca yalnızca bir uygulama için haritaları yapılandırmak gerekeceği için ofis tarafında da zaman kazanımı sağlanacaktır.

ArcGIS Field Maps, altlık haritalar gibi verileri birden çok uygulamada çoğaltma ihtiyacını ortadan kaldırarak mobil cihazlarınızda yer tasarrufu sağlar. Ayrıca, yalnızca bir web uygulaması ve mobil uygulama gerektirerek ofis ve saha arasında daha sıkı bir senkronizasyon oluşturur. ArcGIS Field Maps 3 aşamada yayınlanacaktır:

Aşama 1 – Mobil cihazlar için uygulama

İlk aşamada, konuma duyarlı tek bir uygulamadan ArcGIS’de yaptığınız haritaları keşfetmek, yetkili verilerinizi toplayıp güncellemek ve nereye gittiğinizi izlemek için Field Maps mobil uygulamasını kullanabileceksiniz.

Saha ile paylaşımlarınızda ArcGIS Online ve ArcGIS Enterprise’da harita yapılandırma sürecini kolaylaştırabilmeniz için yeni Field Maps web uygulaması tanıtılacaktır. Bu web uygulaması ile haritalarınızı tek bir yerden aşağıda listelendiği gibi yapılandırabilirsiniz:

  • Haritalarınızın çevrimdışı haritalama ve veri senkronizasyon yeteneklerini yönetme
  • Harita katmanlarının özelliklerini ayrı olarak yapılandırma
  • Detay şablonlarını varsayılan değerleriyle birlikte oluşturma ve değiştirme
  • Gelişmiş form düzenleme yetenekleri için yeni akıllı formlar oluşturma
  • Haritaları mobil iş gücünüze dağıtmadan önce ön izleme ve paylaşma

ArcGIS Field Maps, ArcGIS Collector’da bulunan tüm mevcut veri toplama yeteneklerinden başlayarak ArcGIS Explorer’ın harita görüntüleme ve işaretleme yeteneklerini ve ArcGIS Tracker’da bulunan konum izleme yeteneklerini içerecektir.

ArcGIS Platformuna, bu sürümden başlayarak Field Maps web uygulaması ile güçlü yeni akıllı formlar oluşturma yeteneği gelecektir. Mobil çalışanlar daha sonra bu formları mobil uygulamada veri toplamak ve sahada denetimler yapmak için kullanabilir. Bu yeni akıllı formlar, geliştirdiğiniz haritalarda saklanacak, böylece platformda daha fazla düzenleme yeteneği geliştirdikçe, akıllı formlar web ve masaüstü uygulamalarında da görünecektir.

İlk olarak akıllı form yetenekleri aşağıdakileri içerir:

  • Gruplar – Sütunları ad ve açıklama içeren bir gruba ayırabileceğiniz ve düzenleyebileceğiniz yeni bir form kavramıdır. Gruplar daraltılıp genişletilerek yalnızca görmeniz gereken bilgileri açabilirsiniz.
  • Koşullu Görünürlük – Yalnızca doldurulması gereken bilgileri görmek için sütunlara mantıksal ifadeler uygulayabilirsiniz.
  • Gerekli Sütunlar – Mobil çalışanın, düzenlemeleri göndermeden önce bir sütuna değer girmesinin gerekip gerekmediğini belirtebilirsiniz.

ArcGIS Field Maps web uygulamasını kullanarak haritayı paylaşmadan önce ön izleme yeteneğini içeren akıllı formlar tasarlamak için sezgisel bir sürükle bırak deneyimine sahip olacaksınız.

Aşama 2 – İş gücü koordinasyonu

ArcGIS Field Maps’in ilk sürümünün ardından, iş gücü koordinasyon yetenekleri hem web hem de mobil uygulamaya tanıtılacaktır. ArcGIS Field Maps uygulaması, doğrudan haritanızın içinde bir “Yapılacaklar listesi” içerecek ve web uygulaması, görev oluşturma ve atama becerisine sahip olacaktır. Aşama 2 ile birlikte, Temmuz ayında gelen Workforce’un yeni sürümünde bulunan tüm yetenekler dahil edilecektir. Workforce’un yetenekleri Aşama 2 ile birlikte gelecektir ve iş ortakları iş yönetimini destekleyen yeni uygulama bağlantı parametrelerinden ve Python uygulamaları için ArcGIS API’a yapılan eklemelerden yararlanabileceklerdir.

Aşama 3 – Adım Adım Rotalama

Aşama 1’den başlayarak Apple Haritalar ve Google Haritalar gibi navigasyon uygulamalarını ArcGIS Field Maps uygulamasından başlatabileceksiniz. Aşama 3 ile, kendi harita içeriğinizi kullanarak adım adım navigasyon yetenekleri elde edebilmeniz için Navigator’ın gelişmiş kurumsal navigasyon yetenekleri Field Maps’e gelecektir.

ArcGIS Field Maps Beta Programı

ArcGIS Field Maps beta programı artık katılıma açıldı. Beta programının içindeyken, “Getting Started” bölümü size Google Play ve iOS yapılarını indirmeniz için bağlantılar sağlayacaktır.

Beta programına katılırken dolduracağınız yeni kullanıcı anketinde sizden bir ArcGIS Online Abonelik Kimliği istenecektir. Bu, test etme amacıyla ArcGIS Field Maps web uygulamasına erişimin kilidini açabilmemiz için gereklidir. ArcGIS Enterprise’ı özel olarak kullanıyorsanız, yine de mobil uygulamalara katılabilir ve bunları test edebilirsiniz. “Getting Started” bölümü, ArcGIS Field Maps mobil uygulamasını ArcGIS Enterprise portalınıza nasıl kaydedeceğiniz konusunda size yol gösterecektir.

ArcGIS Field Maps Beta programına katılmak için tıklayınız.

ArcGIS uygulamaları ve güncellemeleriyle ilgili daha fazla bilgiye ulaşmak için blog sayfamızı takip edebilirsiniz.

 Esri Türkiye 2020

ArcGIS ile Derin Öğrenme Modelleri

ArcGIS ile Derin Öğrenme Modelleri

Derin Öğrenme Nedir?

Derin öğrenme, örnek verilerden öğrenmek için derin sinir ağlarını kullanan bir makine öğrenme tekniğidir. Tıpkı geleneksel denetimli görüntü sınıflandırması gibi, bu modeller verdiğimiz verilerde neyi arayacaklarını “öğrenmek” için eğitim örneklerini kullanır. Ancak, geleneksel bölümleme ve sınıflandırmanın aksine, derin öğrenme modelleri yalnızca tek tek piksellere veya piksel gruplarına bakmaz. Daha yüksek öğrenme kapasitesine sahiptirler ve görüntülerde çeşitli ölçeklerdeki karmaşık şekilleri, desenleri ve dokuları tanımayı öğrenebilirler. Bu, derin öğrenme modellerinin çeşitli koşullarda çok miktarda eğitim verisinden öğrenebilmesini sağlar. Eğitilen modeller daha sonra çok daha düşük bir bilgisayar hesaplama gücüyle çok daha çeşitli görüntülere uygulanabilir ve paylaştığınız kişiler tarafından yeniden kullanılabilir.

ArcGIS’te Derin Öğrenme

ArcGIS Pro’daki Image Analyst ek bileşeni, analistlerinin kullanımına özel bir Derin Öğrenme Araç Seti içerir . Bunun yanında basitleştirilmiş bir derin öğrenme paket yükleyicisi sayesinde, kütüphaneler ve modüler gibi gerekli bağımlılıklar kolaylıkla indirilebilir ve yükleme deneyimi basitleştirilmiştir. Eğer veri bilimcileri kod satırları kullanmak isterlerse, bu modelleri eğitmek için ArcGIS Pro, Enterprise ve ArcGIS Online’daki Python notebook’ları da kullanabilirler.

ArcGIS API for Python, çok çeşitli derin öğrenme modellerini kendi veri kümelerinizde eğitmeyi ve problemlerinizi çözmeyi kolaylaştıran arcgis.learn modülünü içerir . Gelişmiş CBS ve uzaktan algılama iş akışlarını destekleyen on beşten fazla derin öğrenme modeli içerir. Ek olarak, bu modeller çok çeşitli veri türlerini desteklemektedir, çeşitli türdeki görüntüler, nokta bulutları, batimetrik veriler, LiDAR, videolar, detay katmanları, tablosal veriler ve hatta yapılandırılmamış metinler bunlardan bazılarıdır.

Arcgis.learn modülündeki tüm modeller basit ve veriye duyarlı akıllı varsayılanlar sayesinde eğitilebilir. Modeller, ArcGIS’ten dışa aktarılan eğitim verilerini karmaşık bir ön işleme olmaksızın kullanır ve eğitilen modeller, modelin çıktısının sonradan işlenmesine gerek kalmadan doğrudan ArcGIS platformunda kullanılabilir.

Derin öğrenmenin son derece başarılı olduğu bir alan, görüntülerdir. Bilgisayar görüşü, bilgisayarların görüntülerdeki nesneleri görme veya tanıma becerisidir. Bu, özellikle CBS uygulamalarında çok faydalı olabilir çünkü günümüzde uydu, hava ve İHA görüntüleri, insanların üzerinde analizler uygulayıp, çıkarımda bulunabileceklerinden çok daha fazla ve hızlı üretilebilmektedir.

arcgis.learn’deki derin öğrenme modellerinin çeşitli CBS ve uzaktan algılama görevlerini gerçekleştirmek için nasıl kullanılabileceğine bakalım.

ArcGIS’teki Derin Öğrenme Modelleri ve Örnek Bağlantıları

1. Nesne Sınıflandırması

Arcgis.learn’deki FeatureClassifier (Detay Sınıflandırıcı) modeli, coğrafi detayları veya nesneleri görüntülerde nasıl göründüklerine göre sınıflandırmak için kullanılabilir. Bu model, ResNet, Inception veya VGG gibi görüntü sınıflandırma modellerinden yararlanır.

Nesne sınıflandırması kullanarak hasar değerlendirmesi. Hasarlı evler kırmızı, hasarsız olanlar ise mavi ile gösterilmiştir.

Nesne sınıflandırması kullanarak hasar değerlendirmesi. Hasarlı evler kırmızı, hasarsız olanlar ise mavi ile gösterilmiştir.

CBS’de bu modeller, orman yangınlarından sonra otomatik hasar değerlendirmesi yapmak veya yüzme havuzlarını temiz veya yosun istilasına uğramış yeşil havuzlar olarak sınıflandırmak için kullanılabilir .

Hasar değerlendirme iş akışını özetleyen örnek bir notebook’a buradan ulaşabilirsiniz.

Bu model uydu görüntüleriyle çalışmasının yanı sıra, veri toplama iş akışları için sahada da kullanılabilir. Aşağıdaki örnekte, Survey123 kullanarak bir ağaç envanteri oluşturmak için bir bitki türü tanımlama modeli kullanılmaktadır. Bu tür TensorFlow Lite modellerini entegre etmeyi desteklemektedir.

Sahadan veri toplanması ve otomatik bitki türlerinin tanımlanması

Sahadan veri toplanması ve otomatik bitki türlerinin tanımlanması.

2. Piksel Sınıflandırması

En çok tercih edilen diğer bir model ise bir görüntüdeki her pikseli etiketlediğimiz Piksel Sınıflandırmasıdır.

Derin öğrenme dünyasında “semantik segmentasyon” olarak bilinen piksel sınıflandırması işleri, UnetClassifier modeli, PSPNetClassifier ve DeepLab (v3) gibi daha yeni modellerle birlikte ArcGIS Python API’de bulunuyor.

Arcgis.learn'ın UnetClassifier modeli kullanılarak binaların taban alanı sınırlarını çıkarma

Arcgis.learn’ın UnetClassifier modeli kullanılarak binaların taban alanı sınırlarını çıkarma.

Bu modeller, uydu görüntülerinden bina taban alanı sınırlarını ve yolları çıkarmak veya arazi örtüsü sınıflandırması yapmak için kullanılabilir. Yukarıdaki örnekteki iş için derin öğrenme modelini eğitmek yalnızca birkaç basit adımla yapılabilir ve kayda değer sonuçlar alabilirsiniz.

Bu örnek notebook, yüksek çözünürlüklü arazi örtüsü verileriyle eğitilmiş bir UnetClassifier modelini kullanır. İyi çalışsa da her pikseli bilgisayara tanıtmak için çalışan bir insan tarafından bu kadar yüksek çözünürlüklü eğitim verilerini etiketlemek zaman alıcı ve masraflı olabilir.

Daha az eğitim örneği belirlenerek etiketlenmiş veriler kullanılarak arazi örtüsü sınıflandırması

Daha az eğitim örneği belirlenerek etiketlenmiş veriler kullanılarak arazi örtüsü sınıflandırması.

Python API ile seyrek olarak etiketlenmiş veriler kullanılarak bu tür modellerin eğitimi için kullanılabilirsiniz. Burada sadece birkaç alanı her bir arazi örtüsü sınıfına ait olarak etiketlememiz gerekiyor. Ardından, görüntüdeki her piksel için arazi örtüsünü bulmak için bir piksel sınıflandırma modeli eğitebiliriz.

3. Nesne Algılama

CBS’deki başka bir önemli iş ise bir görüntüdeki belirli nesneleri bulma ve konumlarını bir sınırlayıcı kutuyla işaretleme işidir. Daha çok nesne algılama olarak bilinen bu modeller, ağaçlarıkuyu yataklarınıyüzme havuzlarınıtuğla fırınları veya batimetrik verilerden gemi enkazlarını ve hatta çok daha fazlasını algılayabilir . Bu işlemleriniz için Arcgis.learn modülü SingleShotDetector, RetinaNet, YOLOv3 ve FasterRCNN gibi çeşitli nesne algılama modellerini içerir .

FasterRCNN en doğru sonuç veren modeldir ancak eğitilmesi ve çıkarım gerçekleştirmesi daha yavaştır. SingleShotDetector ve RetinaNet ise FasterRCNN tarafından kullanılan iki aşamalı yaklaşımın aksine nesneleri algılamak için tek aşamalı bir yaklaşım kullandıklarından daha hızlı modellerdir.

YOLOv3, arcgis.learn ailesindeki en yeni nesne algılama modelidir. Küçük nesneleri tespit etmede hızlı ve yüksek doğruluğa sahiptir ve Microsoft Common Objects in Content (COCO) veri kümesindeki 80 yaygın nesne türü üzerine önceden eğitilmiş olarak gelen arcgis.learn’deki ilk modeldir.

İHA’lardan alınan hareketli videodan tespit edilen yayın balıkları

İHA’lardan alınan hareketli videodan tespit edilen yayın balıkları.

Bu modeller hareketli videolardaki nesneleri bile algılayabilir. Bunun örnekleri için yayın balığını İHA videolarında veya trafikte seyreden bir araca monteli akıllı telefon videoları sayesinde yollardaki çatlakları bulma örneklerinde göz atabilirsiniz.

Bunların yanında nesneleri sadece sınırlayıcı bir kutuyla değil, aynı zamanda o nesneyi kaplayan kesin bir çokgen sınırı veya raster maskeyle de tespit edip konumlandırabilirsiniz. Derin öğrenme dünyasında, bu göreve “örnek bölümleme” deniyor çünkü görev, bir nesnenin her bir örneğini bulmayı ve onu bölümlere ayırmayı içerir.

Bunun için en popüler model MaskRCNN’dir ve arcgis.learn’de bu modeli de kullanabilirsniz. Modelin özellikle yan yana olan binaların taban alanı sınırlarını çıkarma örneğindeki başarısını inceleyebilirsiniz.

MaskRCNN tarafından üretilen maskelerden yapılan binanın 3D rekonstrüksiyonu

MaskRCNN tarafından üretilen maskelerden yapılan binanın 3D rekonstrüksiyonu.

Örnek olarak 3B binaları havadan kaydedilmiş LIDAR verilerinden yeniden inşa etmek için MaskRCNN’in kullanıldığı bir örnek için bağlantıya tıklayabilirsiniz.

4. Nokta Bulutu Bölümlemesi

3 Boyutlu çalışmalarınız için arcgis.learn modülünde bir 3B derin öğrenme desteği de bulunuyor.

PointCNN modeli nokta bulutu bölümlemesi için kullanılabilir. Bu görevde, nokta bulutundaki her noktaya, gerçek dünyadaki bir varlığı temsil eden bir etiket atanır.

PointCNN modeli kullanılarak nokta bulutunda binalar ve ağaçlar sınıflandırılarak oluşturulan 3B sahne.

PointCNN modeli kullanılarak nokta bulutunda binalar ve ağaçlar sınıflandırılarak oluşturulan 3B sahne.

Bu model, ham nokta bulutlarından binalar, zemin ve ağaçlar çıkararak 3B altlık haritaları oluşturmak için kullanılabilir. Diğer bir örnek ise havadan toplanmış LiDAR nokta bulutundan güç hatlarını ve elektrik direklerini çıkarmaktır. Vejetasyona temas eden kabloların tespit edilmesi ve kaçak kullanımları belirlemek bu model olmadan yapıldığında çok yoğun emek isteyen bir iştir.

5. Görüntü Geliştirme

Şimdiye kadar, görüntülerden ve nokta bulutlarından bilgi çıkarmanın birkaç örneğinde bahsettik. Bu işlerin yanında bir de düşük kaliteli raster verilerden daha yüksek çözünürlüklü görüntü sentezlemenizi sağlayan SuperResolution modeli de arcgis.learn bulunuyor. Bu model görüntülerinin görselleştirme kalitesini artırmanın yanı sıra görüntü yorumlanabilirliğini iyileştirmek için kullanılabilir.

 Hava görüntülerinde SuperResolution kullanılarak kalite arttırımı.

Hava görüntülerinde SuperResolution kullanılarak kalite artırımı.

Bu model polisiye filmlerde görmeye alışık olduğumuz “Yakınlaştır! Geliştir!” işlevini ArcGIS’e getiriyor! Düşük çözünürlüklü ve bulanık görüntüleri girdi olarak kullanabilir ve bunları yüksek kaliteli, yüksek çözünürlüklü görüntülere dönüştürebilirsiniz. Model gerçekçi doku ve detaylar ekleyerek, simüle edilmiş yüksek çözünürlüklü görüntüler üretir. Yukarıdaki ekran görüntüsüne bu işlemi yapan örnek notebook’a buradan ulaşabilirsiniz.

6. Tablo Verileri Üzerinde Sınıflandırma ve Regresyon

Derin öğrenmenin sadece görüntüler ve 3B veriler üzerinde çalışıyor gibi gelmiş olabilir. Bunun dışında da derin öğrenmeden fayadalanabiliyoruz. Derin sinir ağları, özellik katmanları ve tablo verileri üzerinde en az onlarda olduğu kadar iyi sonuçlar verir.

FullyConnectedNetwork modeliyle, detay katmanı veya raster verinizin tablosal değerlerini derin sinir ağlarında kullanabilirsiniz. Bu model ile biyoklimatik faktörlere göre bir hastalığa duyarlı alanları sınıflandırabilir veya hava faktörlerine bağlı olarak güneş enerjisi santrallerinin verimliliğini tahmin edebilirsiniz.

Gerçek ve öngörülen Güneş Enerjisi üretimi

Gerçek ve öngörülen güneş enerjisi üretimi.

Yukarıdaki grafikte mavi çizgi gerçek güneş enerjisi üretimini gösterir ve turuncu çizgi FullyConnectedNetwork modelinden tahmin edilen değerleri göstermektedir.

7. Yapılandırılmamış Metinden Varlık Çıkarma

Mekânsal veriler her zaman coğrafi veri tabanları ve Shapefile olarak düzgün bir şekilde paketlenmiş olarak gelmeyebilir. Genellikle saha ekipleri tarafından raporlar gibi yapılandırılmamış bir metin biçimde saklanırlar. Bu verileri mekânsal analizlerde kullanmak için, bunları detay katmanları gibi yapılandırılmış, standartlaştırılmış bir biçime dönüştürmeniz gerekir. Ancak, yapılandırılmamış metinleri okumak ve dönüştürmek zor ve zaman alıcıdır.

Suç türü, meydana geldiği yer, olayın zamanı ve ne zaman rapor edildiği gibi varlıkların altını çizen etiketli tüzel kişilere sahip suç olayı raporu.

Suç türü, meydana geldiği yer, olayın zamanı ve ne zaman rapor edildiği gibi varlıkların altını çizen etiketli tüzel kişilere sahip suç olayı raporu.

Derin Öğrenme, doğal dil işlemede çok ilerleme kaydetmiştir ve arcgis.learn’de bulunan EntityRecognizer modeli ile yapılandırılmamış metinden anlamlı mekânsal bilgiler elde edebilirsiniz.

Suç mahallerinin detay katmanı

Suç mahallerinin detay katmanı

Bu Notebook ile binlerce örnek polis raporunun bulunduğu yapılandırılmamış metin dosyasından bilgileri çekmek için bu modeli nasıl kullanabileceğinizi ve suç mahallerinin bir haritasını çıkarabileceğinizi öğrenebilirsiniz.

Diğer Modeller

Derin öğrenme alanı her geçen gün yepyeni gelişmeler gösteriyor. arcgis.learn’ın bu kadar çok modeli desteklemesinin yanında yine de yeni çıkacak başka modellere de ihtiyacınız olabilir.

Arcgis.learn’e, harici modelleri entegre edebilmeniz için genişletilebilirlik desteği eklendi. ModelExtension sınıfı herhangi başka bir nesne algılama modelini arcgis.learn’e entegre etmenizi sağlar. Model daha sonra ArcGIS tarafından dışa aktarılan eğitim verilerini doğrudan kullanabilir ve kaydedilen modeller ArcGIS derin öğrenme paketleri olarak kullanıma hazır hale gelir. Harici modelleri arcgis.learn ile entegre etmek, bu tür modelleri diğer modeller tarafından kullanılan aynı basit ve tutarlı API ile eğitmenize yardımcı olacaktır.

Ayrıca arcgis.learn , yeni MLModel sınıfını kullanarak ArcGIS’i popüler scikit-learn kitaplığındaki herhangi bir tahmin veya sınıflandırma modeliyle entegre etmenize de olanak sağlar.

Neden bu kadar çok model var?

Derin öğrenme, her ay çıkan yenilikler ve yeni modellerle hızla gelişen bir alandır ve Esri uzmanları bu yenilikleri aynı hızda ArcGIS’e getirerek, CBS’ye derin öğrenme yöntemlerini uygulamada, en yeni ve en iyi modelleri sunarak güncel kalmanızı sağlar.

Her modelin güçlü yönleri vardır ve belirli görevler için daha uygundur. Örneğin Nesne Algılamayı ele alırsak, FasterRCNN en iyi sonuçları verir, YOLOv3 en hızlıdır, SingleShotDetector iyi bir hız ve doğruluk dengesi sağlar ve RetinaNet küçük nesnelerle çok iyi çalışır.

Farklı modellerin bellek için farklı gereksinimleri vardır ve eğitim ve çıkarım hızları farklıdır. Daha büyük modelli daha derin sinir ağları daha doğru sonuçlar verir, ancak çok daha fazla belleğe ve daha uzun eğitim süreçlerine ihtiyaç duyar. Yeterince eğitebilmek için de daha büyük veri kümelerine ihtiyacınız vardır.

Bazı modeller ise hafiftir ve cep telefonları gibi mobil cihazlarda kullanım için daha uygundur.

Yetenekli zanaatkarların araç kutularındaki her bir araç hakkında bilgi sahibi olması gibi, yetenekli veri bilimcileri de her modeli benzersiz özelliklerine göre anlar ve çözülmesi gereken sorun bağlamında uygularlar.

Mekansal Veri Bilimi Açık Çevrimiçi Eğitimi

İçinde yukarıda bahsettiğimiz derin öğrenme ve nesne tespiti örneklerini de uygulayabileceğiniz, mekânsal veri ve veri bilimine dair bir ücretsiz eğitimimiz yakında geliyor.

Mekansal Veri Bilimi Mooc

Ücretsiz olmasının yanında ArcGIS Pro, ArcGIS Online, ArcGIS Notebooks, Image Analyst, Spatial Analyst gibi bir çok ürüne de eğitiminiz sırasında ücretsiz sahip olacaksınız.

Udemy platformu üzerinden tamamen Türkçe olarak gelecek ay yayınlamayı planlıyoruz. Haberler için bizi takip edin.

Kaynak:

https://www.esri.com/arcgis-blog/products/api-python/analytics/deep-learning-models-in-arcgis-learn/

Esri Türkiye, 2020

 

ArcGIS Ürünleri ile COVID-19 Sürecinde Gıda Dağıtım Çözümleri

Etkin bir şekilde yönetilen gıda dağıtımı, mal ve hizmetlerin güvenli bir şekilde ve zamanında teslim edilmesini sağlar. Özellikle COVID-19 süreci gibi risk faktörlerinin yoğun olduğu dönemlerde gıda dağıtımının önemi artmaktadır. Günümüzde COVID-19 sürecinde sokağa çıkma yasağı olan günler veya sokağa çıkma yasağı bulunan yaş grupları için gıda dağıtımı zorunluluk haline gelmiştir.

Bir gıda dağıtım sürecinin başarılı olabilmesi için konum bilinci, gerçek zamanlı izleme ve iletişimin bir entegrasyonu olmalıdır. Konum bilinci, durumsal farkındalık sağlayarak hızlı yanıt vermeye hazır olmanızı sağlar. Esri çözümleri ile gıda dağıtım süreçlerini interaktif bir şekilde yönetmek için ihtiyacınız olan tüm bilgileri edinebilirsiniz.

Gıda dağıtım sürecinin ilk adımı vatandaştan gelen taleplerin toplanmasıdır. İnsanlar bu süreçte telefonla veya internet üzerinden gıda talebinde bulunabilirler. Gıda taleplerinin kolay ve hızlı bir şekilde konum bazlı olarak alınabilmesi için bir web uygulaması çözümü kullanılabilir. Gıda taleplerini bir web uygulamasında Twitter üzerinden konum bilgisi paylaşılmış olan tweetler kullanılarak alabilirsiniz ve hızlıca talepler nerelerden geliyor ve nerelerde yoğunlaşıyor görebilirsiniz.

ArcGIS Configurable Apps ile hiçbir kod bilgisi gerekmeden ihtiyaca göre hazır şablonlar üzerinden kendi interaktif web uygulamanızı tasarlayabilir ve istediğiniz gibi yapılandırabilirsiniz. ArcGIS Online veya ArcGIS Enterprise’da “İçerik” sekmesinden “Oluştur” butonuna tıklayarak Yapılandırılabilir Uygulamalar’ı seçebilir ve ihtiyacınıza göre şablonlar arasından seçim yapabilirsiniz.

Gıda taleplerinin toplanabilmesi için Yapılandırılabilr Uygulamalardaki şablonlar arasından “Halka Açık Bilgiler” şablonu kullanılmıştır.

Hazırlanan bu çözüm ile bir web uygulaması oluşturularak Twitter üzerinden sosyal medya akışının anlık olarak görüntülenebilmesi sağlanmıştır. Yapılandırma aşamasında belirlenen sosyal medya etiketi ile atılan konum bazlı tweetler harita üzerinde görüntülenebilir ve üzerine tıklandığında taleplere ulaşılabilir. Örneğin, #corona etiketi ile konum bilgisi paylaşılmış olarak atılan herhangi bir tweet haritada eş zamanlı olarak konumlanacaktır. Böylece belirlenen etiket ile vatandaşlardan hızlı bir şekilde gıda talepleri alınabilir ve Twitter üzerinden büyük bir kitleye ulaşılabilir.

Gıda dağıtımı iş akışlarından bir diğer çözüm ise toplanan gıda taleplerinin ve depo stok bilgilerinin tek bir yönetici ekranından anlık olarak takip edilmesidir. Ofis tarafında operasyon yöneticisi, bu talepleri anlık olarak görüntüleyebilir ve talep detaylarına ulaşabilir. Böylece dağıtım ekiplerini hızlı bir şekilde yönlendirebilir. Ayrıca yine bu yönetici ekranı üzerinden depolar, üreticiler ve stok miktarları ile ilgili verilerle grafikler oluşturulabilir ve tek bir ekrandan tüm gıda dağıtım süreçlerindeki bilgilere erişilebilir.

Gıda dağıtım sürecinde bir diğer adım talepler doğrultusunda vatandaşa dağıtımın gerçekleştirilmesidir. Gıda dağıtımının, ofis tarafında yönetiminin sağlanması ve saha tarafında dağıtım işlemlerinin gerçekleştirilmesi olmak üzere iki kolu vardır. Dağıtım sürecinde ofis ve diğer ekip üyeleriyle anlık olarak birebir iletişimin sağlanması bu süreci hızlandıracaktır. ArcGIS Mission ile tüm bu gereksinimleri tek bir platformdan gerçekleştirebilirsiniz. ArcGIS Mission 3 bileşenden oluşan bir platformdur.

  • ArcGIS Mission Server ile kendi sunucunuzda çalışabilirsiniz.
  • ArcGIS Mission Manager ile ofis tarafında sahadaki personel ile iletişime geçebilir ve takibini sağlayabilirsiniz.
  • ArcGIS Mission Responder uygulamasına sahada tablet veya telefonunuzdan erişebilir ve diğer takım arkadaşlarınız veya ofis yöneticiniz ile hızlı bir şekilde iletişime geçebilirsiniz.

Gıda dağıtımı için ArcGIS Mission Manager ile öncelikle bir görev oluşturulmuştur ve bu görev için harita tanımlanarak, dağıtım ekipleri ve ekipler için üyeler belirlenmiştir. Ayrıca ekipler için sorumlu oldukları çalışma alanları sınırlar ile belirlenmiştir. Harita üzerinde alınan gıda talepleri ve çalışma alan sınırları konumlandırılmıştır. Oluşturulan görev açıldığında karşınıza bir yönetici ekranı açılmaktadır. Bu ekranda ekipleri ve üyeleri görebilirsiniz. Ayrıca üyelerin bağlantı durumları hakkında bilgi alabilirsiniz. Tüm iletişim bildirimleri tek bir ekrandan takip edilebilmektedir. Harita üzerinden sahadaki personelin konumlarını ve izlerini takip edebilirsiniz.

Saha tarafında dağıtım ekipleri açılan göreve mobil olarak erişerek görev haritasını, mesajları, görevle ilgili materyalleri diğer takım arkadaşlarının konumlarını görüntüleyebilir ve anlık olarak mesajlar gönderebilir. Örneğin, ofis tarafında oluşturulan “Unlu Mamüller Dağıtım Ekibi” seçilerek bir mesaj gönderildiğinde anlık olarak mobil ekranda mesaj görülür ve birebir iletişim sağlanabilir. Ayrıca GeoMessage özelliği ile nokta, çizgi veya çokgen çizimler yapılarak mesajlar gönderilebilir ve böylece konum bazlı iletişim sağlanmış olur. Örneğin bir alan çizilip bu alanda dağıtım tamamlanmıştır şeklinde mesaj gönderildiğinde sahadaki personel bu alanı ve mesajı görecek ve orada vakit harcamayıp zamandan tasarruf etmiş olacaktır. Ayrıca dağıtım ekiplerinin stoklarının bitmesi durumunda anlık olarak ofis tarafına mesaj göndererek bilgilendirme sağlanabilir ve destek isteği hızlı bir şekilde iletilebilir.

Gıda dağıtım sürecindeki bir diğer aşama ise dağıtım ekiplerinin süreç işlerken hızlı bir şekilde sahadan verileri ofise iletebilmesidir. ArcGIS QuickCapture uygulaması ile dağıtım ekipleri dağıtılan ürünleri ve miktarlarını konum bazlı olarak ofise hızlı bir şekilde ileteceklerdir. Ayrıca bu çözüm ile hangi araç, nereye, ne kadar ürün dağıtmış görülebilir ve gerektiği durumlarda anlık olarak stok desteği sağlanabilir.

ArcGIS QuickCapture kullanım kolaylığı sağlayarak büyük butonlarla ve araç içinde hareket halindeyken dahi konum doğruluğunu yakalayarak verileri ofis ortamına iletir.

Dağıtım ekibi, mobil ortamdan uygulamaya erişerek oluşturulan projeye giriş yapabilir. Proje açıldığında eğer yapılandırma gerçekleştirilmiş ise bir kullanıcı girdisi ile giriş yapması gerekir. Hazırlanan çözümde kullanıcı girdisi olarak araç plakası belirlenmiştir. Proje oluştururken araç plakası gibi kullanıcı girdilerini kolaylıkla oluşturabilir ve girdi maskesi yapılandırabilirsiniz. Örneğin, telefon numarası veya kimlik numarası gibi kullanıcı girdileri için şablonlar belirlenebilir. Böylece yanlış girişler önlenebilir.

Giriş yapıldıktan sonra ürünlerin bulunduğu büyük butonlar açılır. Butonların büyüklükleri, renkleri veya grupları yapılandırılabilir. Ayrıca butonlara görseller eklenerek hızlı veri girişi için kolaylık sağlanabilir.

Veri girişi yapıldıkça tıklama sayısına göre ürün miktarları, ürünlerin ismi ile birlikte veri girişinin yapıldığı konuma tanımlanır ve haritadan konum seçildiğinde girilen ürünlerin isim ve miktarları görüntülenebilir. Hatalı bir veri girişi olduysa buradan hızlı bir şekilde silme işlemi de gerçekleştirilebilir.

Gıda dağıtımı için hazırlanan tüm çözümler birbiri ile entegre bir şekilde çalışmaktadır. Kullanıcılar faklı konumlardan ve farklı platformlardan eş zamanlı olarak bilgilere erişebilir. Böylece durumsal farkındalık ve karar desteği sağlanmış olur.

 

ArcGIS uygulamaları ve güncellemeleriyle ilgili daha fazla bilgiye ulaşmak için blog sayfamızı takip edebilirsiniz.

 Esri Türkiye 2020

Collector for ArcGIS 20.1.0 Sürümü ile Gelen Yenilikler

iOS platformunda Collector for ArcGIS için fonksiyonel geliştirmelerle zenginleştirilmiş 20.1.0 sürümü yayınlandı. 20.1.0 sürümü birçok heyecan verici yeniliği de beraberinde getiriyor. Yenilikleri keşfetmek için blog yazımızı okumaya devam edin.

Detayları Yakalama Özelliği

Yeni detaylar oluşturmak için haritayı kullanırken veya mevcut detayların konumunu güncellerken nokta detaylarını veya çizgi ve çokgen köşelerini yakalayabilirsiniz. Yakalama özelliğinin uygulandığını hem görsel olarak hem de cihazınızı tutarken dokunsal olarak titreşimden anlayabilirsiniz. Yakalama özelliği isteğe bağlı olarak açılıp kapatılabilir.

 

Toplu Öznitelik Güncellemeleri

Aynı öznitelik değeri girilecek olan detaylarda, her bir detayı ayrı ayrı düzenlemek yerine güncellenecek olan tüm detaylar seçilip öznitelik değerleri aynı anda düzenlenebilir veya değiştirilebilir. Örneğin, bir araştırma için bir mahalledeki tüm binaların incelenmesi gerekiyor. İnceleme çalışması bittikten sonra tüm binaları seçilip aynı anda inceleme durumu “Tamamlandı” olarak düzenlenebilir. Bu özellik iş akışlarınıza hız kazandıracaktır. Bu özelliği kullanmak için Collector for ArcGIS’te “Çoklu Düzenle” bölümüne tıklayıp düzenlenecek detayları seçebilirsiniz.

Son Değerleri Yeniden Kullanma

Tekrarlanan veri girişini ve yazım hatalarını en aza indirmek için detayların öznitelik bilgilerine önceden girilen değerleri kolayca yeniden kullanabilirsiniz. Bu özellik mahalle veya sokak adı gibi sık kullanılan değerleri girerken hız kazandıracaktır. Klavyenin hemen üstünde “Son Değerler” yazan bölmeye tıklayarak girilen son 3 değere ulaşabilirsiniz.

 

Oturum Açmak için Kod Tarama Seçeneği

ArcGIS Enterprise kullanarak Collector for ArcGIS’te oturum açtığınızda önce portalınızın URL adresini girmeniz gerekir. Saha çalışanlarının URL adresini cihazlarına yazması zor olabilir ve zaman kaybı yaratabilir. Collector for ArcGIS yeni oturum açma özelliği ile bu soruna çözüm sunuyor. Oturum açarken “Kodu Tara” seçeneğine tıklayarak kamerayı açabilir ve ArcGIS Enterprise portalınızın URL adresini kullanarak oluşturduğunuz bir QR kodu veya barkodu tarayabilirsiniz. Böylece sadece kullanıcı adı ve şifrenizi girerek URL adresini yazmadan kolayca oturum açabilirsiniz.

 

Tracker for ArcGIS’te Depolanan İzleri Görüntüleme

Tracker for ArcGIS kullanarak konum izlerinizi kaydederseniz artık bu izleri Collector for ArcGIS’te görüntüleyebilirsiniz. Bu özellik saha çalışanlarının, veri toplama boyunca nerede olduğunu ve hangi alanları tamamladığını görmesine olanak tanır. Konum izlerine Collector for ArcGIS’te Katmanlar bölümüne eklenen “My Tracks” başlıklı kayıttan ulaşabilirsiniz. Konum izlemeyi açmak / kapatmak veya görüntülenecek izlerin geçmişini ayarlamak için “Tracker” yazısının üstüne tıklayarak Tracker for ArcGIS uygulamasını açabilirsiniz. Collector for ArcGIS cihazınızda depolanan izleri görüntüler, böylece bağlantı kesildiğinde bile önceki konum izlerini görebilirsiniz. Tracker for ArcGIS’te düzenlenen ayarlar Collector for ArcGIS’te görülür. Örneğin Collector for ArcGIS’te sadece bugüne ait konum izlerini görmek istiyorsanız Tracker for ArcGIS’ten “Görüntülenecek İzler” bölümünü “Bugün” olarak ayarlayabilirsiniz.

 

Bu yeniliklere ek olarak aşağıdaki yeni güncellemeler de bu sürümde mevcuttur.

  • Dual XGPS160 ve Juniper Systems Geode isimli iki yeni GPS alıcısı desteği sağlanmıştır.
  • Katmanlar ve Açıklama bölümleri ayrılmıştır, artık Katmanlar’a araç çubuğundan hızlı bir şekilde erişebilirsiniz.
  • Veri toplarken raptiye eklemek istediğiniz alana uzun basarak büyüteci kullanabilirsiniz. Böylece veri girişleri daha hızlı ve konum bilgisi daha doğru olacaktır.

 

 

Collector for ArcGIS hakkında daha fazlası için buraya tıklayınız. ArcGIS uygulamaları ve güncellemeleriyle ilgili daha fazla bilgiye ulaşmak için blog sayfamızı takip edebilirsiniz.

                                                                                                                                                                       Esri Türkiye 2020

Survey123 Connect for ArcGIS’te SVG  Kullanarak Formlarınızı Geliştirin

Survey123 Connect for ArcGIS’te SVG Kullanarak Formlarınızı Geliştirin

XML tabanlı 2B vektörel grafik biçimi olan Ölçeklenebilir Vektör Grafikleri (SVG) artık Survey123 ile birlikte kullanılabilir!

Bu özellik Survey123 Connect for ArcGIS 3.6’dan başlayarak kullanılabilir. Böylece; artık form toplanırken görsel üzerinden istenilen alan hızla seçilerek, o alana ait bilgiler not olarak girilebilir. Bunun için gereken kendi SVG görüntünüzü; bir vektör grafik editörü veya metin editörü (text editor) kullanarak oluşturabilirsiniz. Raster görüntüleri SVG formatına dönüştürmek için ücretsiz SVG dosyaları ve araçları sunan birçok web sitesinden yararlanabilir ve bunları gerekli düzenlemeleri yaptıktan sonra Survey123 formunda kullanabilirsiniz.

Survey123 Connect içinde yer alan Appearance kısmı içine image-map  (görüntü haritası) özelliği eklendi. Bu yeni görünüm, SVG dosyalarının formunuzda oluşturulmasına olanak tanır ve hem tek seçim (select_one) hem de çoklu seçim (select_multiple) soruları için tıklanabilir bir görüntü sağlar. Bu sayede seçimlerinizi; metin halindeki seçim listesi yerine, görselin farklı kısımlarını seçerek yapabilirsiniz.
Not: Image-map görünümü şu anda Survey123 web uygulamasında desteklenmemektedir.

Image-map görünümü,  kod yazmak zorunda kalmadan formunuzun kullanıcı arayüzünü özelleştirmek için güçlü bir yol sağlar. Bu; detay servisinde depolanan kullanıcı seçimlerine göre hızlı veri toplanmasını sağlar. Yol göstermesi için; Survey123 Connect’te bulunan ‘Image-map’ formu örneğine bakarak fikir alabilirsiniz. Bu anket içinde Risk Değerlendirmesi, Vücut Bölümleri ve Toprak Dokusu gibi çeşitli kullanım durumları gösterilmektedir.

Survey123 Connect içinde yer alan Image-Map Örneği

 

Araç Hasarı Form Örneği

 

Image-map Sample içindeki örnekler karmaşık şekiller içermektedir ve yapılabilecek SVG görsellerine dair fikir vermek amacıyla paylaşılmıştır.

Not: SVG’niz ne kadar basit olursa Survey’de kullanımı o kadar kolay olacaktır.

Yandaki örnekte image-map görünümü kullanılarak oluşturulmuş bir formu görüyorsunuz. Bu formun amacı hasar alan araca dair bilgilerin kolay bir şekilde oluşturulmasını sağlamak.

  • Öncelikle hasarlı aracın hangi bölgesinden hasar aldığı görsel üzerinden seçilir,
  • Bu alan için gerekli bilgiler not olarak eklenir,
  • Son olarak hasar bölgesinin fotoğrafı çekilerek forma eklenir.

 

SVG dosyasını birçok uygulamada oluşturabileceğiniz gibi mevcut bir dosyayı da kullanabilirsiniz. Hatta ArcGIS Pro’da vektörel verinizi SVG olarak dışarı çıkarabilirsiniz. Burada önemli olan; Survey123 ile uyumluluğunun kontrol edilmesidir.

 

 

 

 

SVG’nin Survey123 formunda görüntülenmesi ve seçilebilir olması için dikkat edilmesi gereken noktalar:

  • SVG dosyanızda id değerleri ile birlikte  <path> elemanları olduğuna emin olun. id değerlerine sahip <path> elemanları görüntünün tıklanabilir olması için gereklidir. Tıklanamayan alanlar; id değerleri olmayan <path> ögeleri ve <rect>, <circle>, <text> vb. diğer öge türleridir.

Text Editor (Notepad ++) içinde açılan SVG örneği

  • Boş grup olmamalıdır: SVG’nizde <g> </g> gibi boş gruplara sahip olmak, tüm <path> öğelerinin tıklanamaz olmasını sağlar.
  • Her nest level başına bir grup olabilir.  İstediğiniz kadar nested level’ınız olabilir, ancak belirli bir düzeyde (parent level dahil) birden fazla grubunuz varsa, tüm <path> öğeleri tıklanamaz hale gelir.
  • Viewport (SVG uzunluğu ve genişliği) tanımlanmalıdır: Görseliniz bunlar olmadan Survey123’te düzgün bir şekilde görüntülenecek olsa da, tıklanabilir alanlarınız alttaki görüntüden uzakta olabilir.
  • Viewbox, Viewport (eğer belirtilmişse) ile eşleşmelidir: <svg> öğenizde bir ‘viewBox’ parametresi belirtmenize gerek yoktur. Ancak, yükseklik ve genişlik değerlerinizden farklı bir Viewbox belirtirseniz, tıklanabilir alanlarınız alttaki görselden uzakta görüntülenebilir.

 

SVG kısmı tamamlandıktan sonra Survey123’de birkaç düzenlemeyle birlikte formunuzu son haline getirebilirsiniz.
Bunları, yapılmış olan bir örnek üzerinden inceleyelim:

  1. Öncelikle tek seçim yapılacağını belirtmek için type kısmında “select_one” seçildi. Appearance sütunu SVG ile çalışılacağını belirtmek üzere “image-map” olarak seçildi.
  2. Media::image kısmına düzenlenmiş svg dosyasının ismi uzantısı ile birlikte “zorluk.svg” yazıldı.
  3. SVG’nin id kısmında yazan bilgiler Survey123 exceli içindeki choice sekmesinde yer alan name kısmında da aynı olmalıdır. Bu kısımdaki kırılımlar doğru bir şekilde yazıldı.
  4. Seçilebilir kısma tıklandığında bilginin altta görünmesi istendiği için “relevant” kısmına ilgili bilgi girildi ve type olarak note seçildi.

Böylece formumuz son haline kavuştu. Aşağıdan adımları izleyebilirsiniz:

Excel tablosunda “Survey” sekmesinde doldurulan kısımlar

Excel kısmında “choice” sekmesinde doldurulan kısımlar

Survey123 Connect’te seçim yapılan olanın görüntülenmesi

 

image-map ile ilgili diğer ulaşabileceğiniz kaynaklar:

ArcGIS Quick Capture 1.3 sürümü yayınlandı!

ArcGIS Quick Capture mobil uygulaması desteklenen tüm platformlarda yenilendi. Ayrıca ArcGIS Quick Capture Designer’a da bazı yetenekler eklendi.

Artık ArcGIS Hub Premium lisansına sahip olan kuruluşlar ArcGIS Quick Capture projelerini herkese açık olarak paylaşabilecek. Bu sayede son kullanıcılar sadece kullandıkları mobil cihazın mağazasından ArcGIS Quick Capture uygulamasını indirip herhangi bir hesapla giriş yapmadan projelere erişebilecekler. Bu kuruluşlar projelere QR kod ve erişim bağlantısı dışında bir de özel erişim kodu ile ulaşabilecekler.

 

 

Kullanıcı Girdileri:
Kullanıcı girdileri sayesinde kullanıcılar veri toplama sırasında ek açıklama gereken yerlerde, eğer projede bu özellik eklendiyse ek bilgiler girebilecekler. Örneğin Elektrik Arızası için oluşturulmuş aşağıdaki proje görüntüsünde “Diğer” seçeneği belirlenmiş ve bu seçenek seçildiğinde açılan bir ek açıklama penceresi eklenmiştir.

 

 

Nokta Verileri İçin Sürekli Mod:
Bu güncellemeye kadar nokta verileri butonlara tek tek tıklanarak toplanmak zorundaydı. Bu sürüm ile birlikte bir devamlılık içeren verilerin takibi sırasında Sürekli Mod özelliği aktifleştirilmiş butona bir kere tıklamanız yeterli olacaktır. Bu özellik Quick Capture Designer’dan aktifleştirilmelidir. Kullanıcı bu modda olduğunu butonun sürekli yanıp sönmesi ile anlayacaktır.

 

 

Fotoğraf Ekleme Özelliği:
Eğer bir butona tıklandığında fotoğraf ekleme özelliğinin de olmasını istiyorsanız ArcGIS Quick Capture Designer’da Veri sekmesinden bu yeteneği etkinleştirmelisiniz. Fotoğraf eklemeyi zorunlu kılmak ya da ön izlemeyi gizlemek istiyorsanız diğer seçenekleri de işaretlemeyi unutmayın.

 

 

Bu özellikler ve daha fazlası için https://quickcapture.arcgis.com/ adresini ziyaret edebilirsiniz. Quick Capture ile ilgili diğer blog yazılarına buradan erişebilirsiniz.

Esri Türkiye 2019