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 обученияПоддерживаемые метаданныеЗадачаПример

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

ЗадачаИнструмент

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

Связанные разделы