Архитектуры моделей глубокого обучения

Доступно с лицензией Image Analyst.

В следующей таблице представлен обзор моделей глубокого обучения, доступных в ArcGIS Pro. В каждой строке присутствуют метаданные соответствующего формата и основное предназначение типа модели. Где возможно, приведены примеры использования.

Тип модели глубокого обучения	Поддерживаемые метаданные	Задача	Пример
BDCN Edge Detector	Классифицированные листы	Классификация пикселов	Извлечение земельных участков
Change Detector	Классифицированные листы	Классификация пикселов (выявление изменений)	Выявление изменений зданий
ConnectNet	Классифицированные листы	Классификация пикселов
CycleGAN	Экспорт листов CycleGAN	Преобразование изображения (непарные изображения)	Преобразование SAR to RGB
DeepLab	Классифицированные листы	Классификация пикселов
Deep Sort	Imagenet	Трекер объектов
DETReg	PASCAL_VOC_rectangles	Выявление объектов
Faster RCNN	PASCAL_VOC_rectangles KITTI_rectangles	Выявление объектов
Классификатор пространственных объектов	Листы с метками Imagenet Листы с мультиметками	Выявление объектов	Категоризация объектов
HED Edge Detector	Классифицированные листы	Классификация пикселов	Извлечение земельных участков
Image Captioner	Захват изображения	Захват изображения
Mask RCNN	Маски RCNN	Выявление объектов (Сегментация экземпляра)	Выявление и классификация области Карибу
MMDetection	PASCAL_VOC_rectangles KITTI_rectangles	Выявление объектов
MMSegmentation	Классифицированные листы	Классификация пикселов
Multi-Task Road Extractor	Классифицированные листы	Классификация пикселов	Автоматическое извлечение дорог
MaX-DeepLab	Паноптическая сегментация	Паноптическая сегментация
Pix2Pix	Экспорт листов	Преобразование изображения (парные изображения)	Цвет для исторических снимков
PSPNet	Классифицированные листы	Классификация пикселов
PSETAE	MaskRCNN	Классификация пикселов
RetinaNet	PASCAL_VOC_rectangles KITTI_rectangles	Выявление объектов	Учет и выявление растительности
Siam Mask	Маски RCNN	Отслеживание объектов
SSD	PASCAL_VOC_rectangles KITTI_rectangles	Выявление объектов	Оценка здоровья пальм
Super-resolution	Superresolution	Преобразование изображения (парные изображения)	Увеличение разрешения изображения
U-Net	Классифицированные листы	Классификация пикселов	Извлечение контуров зданий
YOLOv3	PASCAL_VOC_rectangles KITTI_rectangles	Выявление объектов

Примечание:

Некоторые из этих примеров, использующие блокнот Python для обучения, можно запустить с помощью инструмента Обучить модель глубокого обучения.

Задачи и инструменты глубокого обучения

Задача	Инструмент
Выявление изменений	Выявить изменения при помощи глубокого обучения
Преобразование изображения (парные и непарные)	Классифицировать пикселы при помощи глубокого обучения
Классификация объектов	Классифицировать объекты при помощи глубокого обучения
Выявление объектов	Выявить объекты при помощи глубокого обучения
Выявление объектов (Сегментация экземпляра)	Выявить объекты при помощи глубокого обучения
Отслеживание объектов	Вкладка Отслеживание FMV
Классификация пикселов	Классифицировать пикселы при помощи глубокого обучения