Architectures du modèle Deep Learning

Disponible avec une licence Image Analyst.

La table suivante offre une vue d’ensemble des types de modèle de Deep Learning disponibles dans ArcGIS Pro. Chaque ligne fournit des formats de métadonnées compatibles et l’usage principal du type de modèle concerné. Des exemples sont inclus lorsqu’ils sont disponibles.

Type de modèle de Deep LearningMétadonnées prises en chargeTâcheExemple

Détecteur de contours BDCN

Tuiles classées

Classification de pixels

Extraction de parcelles

Détecteur de changements

Tuiles classées

Classification de pixels (détection des changements)

Détecter les changements pour des bâtiments

ConnectNet

Tuiles classées

Classification de pixels

CycleGAN

Exporter des tuiles

CycleGAN

Conversion d’images (images non appariées)

Conversion SAR vers RVB

DeepLab

Tuiles classées

Classification de pixels

Deep Sort

Imagenet

Suiveur d’objet

DETReg

PASCAL_VOC_rectangles

Détection d’objets

Faster RCNN

PASCAL_VOC_rectangles

KITTI_rectangles

Détection d’objets

Classificateur d’entités

Tuiles étiquetées

Imagenet

Tuiles à plusieurs étiquettes

Détection d’objets

Catégorisation d’entités

Détecteur de contours HED

Tuiles classées

Classification de pixels

Extraction de parcelles

Sous-titreur d’images

Sous-titrage d’images

Sous-titrage d’images

Masque RCNN

Masques RCNN

Détection d’objets (segmentation d’instances)

Détection et classification des caribous

MMDetection

PASCAL_VOC_rectangles

KITTI_rectangles

Détection d’objets

MMSegmentation

Tuiles classées

Classification de pixels

Extracteur de routes multitâche

Tuiles classées

Classification de pixels

Extraction de routes automatique

MaX-DeepLab

Segmentation panoptique

Segmentation panoptique

Pix2Pix

Exporter des tuiles

Conversion d’images (images appariées)

Colorisation de l’imagerie historique

PSPNet

Tuiles classées

Classification de pixels

PSETAE

MaskRCNN

Classification de pixels

RetinaNet

PASCAL_VOC_rectangles

KITTI_rectangles

Détection d’objets

Détection d’infrastructures électriques et de végétation

SiamMask

Masques RCNN

Suivi d’objets

SSD

PASCAL_VOC_rectangles

KITTI_rectangles

Détection d’objets

Détecter la santé des palmiers

Super-résolution

Super-résolution

Conversion d’images (images appariées)

Augmenter la résolution d’image

U-Net

Tuiles classées

Classification de pixels

Extraction des emprises des bâtiments

YOLOv3

PASCAL_VOC_rectangles

KITTI_rectangles

Détection d’objets

Remarque :

Certains exemples qui utilisent le notebook Python pour l’entraînement peuvent être réalisés à l’aide de l’outil Entraîner le modèle de Deep Learning.

Tâches et outils de Deep Learning

TâcheOutil

Détection des changements

Détecter les changements à l’aide du Deep Learning

Conversion d’images (images appariées ou non appariées)

Classer des pixels à l’aide du Deep Learning

Classification d’objets

Classer des objets à l’aide du Deep Learning

Détection d’objets

Détecter des objets à l’aide du Deep Learning

Détection d’objets (segmentation d’instances)

Détecter des objets à l’aide du Deep Learning

Suivi d’objets

Onglet Suivi FMV

Classification de pixels

Classer des pixels à l’aide du Deep Learning

Rubriques connexes