Архитектура моделей глубокого обучения

Доступно с лицензией Image Analyst.

В следующей таблице представлен обзор типов моделей глубокого обучения, доступных в ArcGIS Pro. Каждая строка содержит совместимые форматы метаданных и основное использование конкретного типа модели. Там, где это возможно, приводятся сопутствующие примеры.

Тип модели глубокого обучения	Поддерживаемые метаданные	Задача	Пример
BDCN Edge Detector	Классифицированные листы	Классификация пикселов	Извлечение земельного участка
Change Detector	Классифицированные листы	Классификация пикселов (выявление изменений)	Выявить изменения в здании
ConnectNet	Классифицированные листы	Классификация пикселов
CycleGAN	Экспорт листов CycleGAN	Преобразование изображения (непарные изображения)	Преобразование SAR в RGB
DeepLab	Классифицированные листы	Классификация пикселов
Deep Sort	Imagenet	Отслеживание объектов
DETReg	PASCAL_VOC_rectangles	Выявление объектов
Faster RCNN	PASCAL_VOC_rectangles KITTI_rectangles	Выявление объектов
Классификатор объектов	Отмеченные листы Imagenet Листы с несколькими метками	Выявление объектов	Категория объекта
HED Edge Detector	Классифицированные листы	Классификация пикселов	Извлечение земельного участка
Image Captioner	Подпись к изображению	Подпись к изображению
Mask RCNN	Маски RCNN	Выявление объектов (сегментация экземпляра)	Обнаружение и классификация Карибу
MMDetection	PASCAL_VOC_rectangles KITTI_rectangles	Выявление объектов
MMSegmentation	Классифицированные листы	Классификация пикселов
Multi-Task Road Extractor	Классифицированные листы	Классификация пикселов	Автоматическое извлечение дороги
MaX-DeepLab	Общая сегментация	Общая сегментация
Pix2Pix	Экспорт листов	Преобразование изображения (парные изображения)	Раскрашивание исторических изображений
PSPNet	Классифицированные листы	Классификация пикселов
PSETAE	MaskRCNN	Классификация пикселов
RetinaNet	PASCAL_VOC_rectangles KITTI_rectangles	Выявление объектов	Выявление коммуникаций и растительности
SAMLoRA	Классифицированные листы	Классификация пикселов
Siam Mask	Маски RCNN	Отслеживание объектов
SSD	PASCAL_VOC_rectangles KITTI_rectangles	Выявление объектов	Определить здоровье пальмы
Super-resolution	Superresolution	Преобразование изображения (парные изображения)	Увеличить разрешение изображения
U-Net	Классифицированные листы	Классификация пикселов	Извлечение контуров здания
YOLOv3	PASCAL_VOC_rectangles KITTI_rectangles	Выявление объектов

Примечание:

Некоторые примеры, в которых для обучения используется блокнот Python, могут быть выполнены с помощью инструмента Обучить модель глубокого обучения.

Инструменты и задачи Глубокого обучения

Задача	Инструмент
Выявление изменений	Выявить изменения при помощи глубокого обучения
Преобразование изображения (парных и непарных)	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