Обзор группы инструментов Глубокое обучение

Доступно с лицензией Image Analyst.

Группа инструментов Глубокое обучение содержит инструменты, которые обнаруживают определенные объекты в изображении и классифицируют пикселы в наборе растровых данных.

Глубокое обучение – это тип машинного обучения искусственного интеллекта, который обнаруживает объекты в изображениях, используя несколько слоев в нейронных сетях, в которых один или несколько уникальных объектов изображения могут быть извлечены в каждый слой. Инструменты в группе инструментов Глубокое обучение используют GPU-обработку для своевременного выполнения анализа.

Эти инструменты ArcGIS Pro используют модели, которые были обучены обнаруживать определенные объекты в сторонних платформах глубокого обучения, таких как TensorFlow, CNTK и PyTorch, а также выводят в результате объекты или карты классов.

В следующей таблице приводится список инструментов глубокого обучения и дается их краткое описание:

Инструменты группы Глубокое обучение

Инструмент	Описание
Классифицировать объекты при помощи глубокого обучения	Запускает обученную модель глубокого обучения на входном растре и дополнительном классе пространственных объектов для создания класса объектов или таблицы, где у каждого входного объекта имеется назначенный класс или надпись категории. Для этого инструмента требуется файл определения модели, содержащий обученную информацию о модели. Модели могут быть обучены с помощью инструмента Тренировать модель глубокого обучения или с помощью сторонних программных средств обучения, таких как TensorFlow, PyTorch или Keras. Файл определения модели может быть файлом JSON определения модели Esri (.emd) или пакетом модели глубокого обучения, и он должен содержать путь к растровой функции Python, вызываемой для обработки каждого объекта, и путь к обученному двоичному файлу модели глубокого обучения.
Классифицировать пикселы при помощи глубокого обучения	Запускает обученную модель глубокого обучения на входном растре для создания классифицированного растра, где каждому пикселу назначается класс надписей. Для этого инструмента требуется файл определения модели, содержащий обученную информацию о модели. Модели могут быть обучены с помощью инструмента Тренировать модель глубокого обучения или с помощью сторонних программных средств обучения, таких как TensorFlow, PyTorch или Keras. Файл определения модели может быть файлом JSON определения модели Esri (.emd) или пакетом модели глубокого обучения, и он должен содержать путь к растровой функции Python, вызываемой для обработки каждого объекта, и путь к обученному двоичному файлу модели глубокого обучения.
Вычислить точность для выявления объектов	Вычисляет точность модели глубокого обучения сравнением объектов, выявленных инструментом Выявить объекты при помощи глубокого обучения, с истинными данными на поверхности земли.
Выявить изменения при помощи глубокого обучения	Запускает обученную модель глубокого обучения для выявления изменений между двумя растрами. Для этого инструмента требуется файл определения модели, содержащий обученную информацию о модели. Файл определения модели может быть файлом JSON определения модели Esri (.emd) или пакетом модели глубокого обучения, и он должен содержать путь к растровой функции Python, вызываемой для обработки каждого объекта, и путь к обученному двоичному файлу модели глубокого обучения.
Выявить объекты при помощи глубокого обучения	Запускает обученную модель глубокого обучения для входного растра для построения класса с найденными пространственными объектами. Объекты могут быть ограничивающими рамками или полигонами вокруг найденных объектов или точками в центрах объектов. Для этого инструмента требуется файл определения модели, содержащий обученную информацию о модели. Модели могут быть обучены с помощью инструмента Тренировать модель глубокого обучения или с помощью сторонних программных средств обучения, таких как TensorFlow, PyTorch или Keras. Файл определения модели может быть файлом JSON определения модели Esri (.emd) или пакетом модели глубокого обучения, и он должен содержать путь к растровой функции Python, вызываемой для обработки каждого объекта, и путь к обученному двоичному файлу модели глубокого обучения.
Экспорт обучающих данных для глубокого обучения	Конвертирует надписанные векторные или растровые данные в наборы данных глубокого обучения с использованием спутникового изображения. Инструмент создает папку чипов изображений и папку файлов метаданных в определенном формате.
Извлечь объекты, используя модели ИИ	Запускает одну или несколько предварительно обученных моделей глубокого обучения для входного растра с целью извлечения объектов и автоматизации постобработки полученных выходных данных.
Не максимальное подавление	Выявляет дубликаты объектов в выходных данных инструмента Выявить объекты при помощи глубокого обучения, в качестве шага постобработки, и создает новые выходные данные без дублей. Инструмент Выявить объекты при помощи глубокого обучения может возвращать более одной ограничивающей рамки или полигона для одного и того же объекта, особенно при побочном влиянии от листов. Если два объекта перекрываются более чем на заданный максимальный диапазон, объект с меньшим значением достоверности удаляется.
Тренировать модель глубокого обучения	Тренирует модель глубокого обучения с использованием результатов работы инструмента Экспорт обучающих данных для глубокого обучения.
Обучение с использованием AutoDL	Обучает модель глубокого обучения путем создания конвейеров обучения и автоматизации большей части процесса обучения. Это включает в себя увеличение данных, выбор модели, настройку гиперпараметров и уменьшение размера пакета. Его выходные данные включают показатели производительности наилучшей модели на основе обучающих данных, а также пакет обученных моделей глубокого обучения (файл .dlpk), который можно использовать в качестве входных данных для извлечения функций с помощью инструмента Извлечь объекты с использованием модели ИИ для прогнозирования на новых изображениях.