深度学习模型—ArcGIS Pro

获得 Image Analyst 许可后可用。

下表对 ArcGIS Pro 中可用的深度学习模型类型进行了概述。每行提供了兼容的元数据格式和特定模型类型的主要用途。如果信息可用，则包含随附的示例。


深度学习模型类型	支持的元数据	任务	示例
BDCN 边缘检测器	分类切片	像素分类	地块提取
变化检测器	分类切片	像素分类（变化检测）	检测建筑物变化
ConnectNet	分类切片	像素分类
CycleGAN	导出切片 CycleGAN	影像转换（不成对影像）	SAR 至 RGB 转换
DeepLab	分类切片	像素分类
DETReg	PASCAL_VOC_rectangles	对象检测
Faster RCNN	PASCAL_VOC_rectangles KITTI_rectangles	对象检测
要素分类器	已标注切片 Imagenet 多标注切片	对象检测	要素分类
HED 边缘检测器	分类切片	像素分类	地块提取
影像描述生成器	影像标题生成	影像标题生成
Mask RCNN	RCNN 掩膜	对象检测（实例分割）	驯鹿检测和分类
MMDetection	PASCAL_VOC_rectangles KITTI_rectangles	对象检测
MMSegmentation	分类切片	像素分类
多任务道路提取器	分类切片	像素分类	自动道路提取
MaX-DeepLab	全景分割	全景分割
Pix2Pix	导出切片	影像转换（已配对影像）	为历史影像着色
PSPNet	分类切片	像素分类
RetinaNet	PASCAL_VOC_rectangles KITTI_rectangles	对象检测	公共设施和植被检测
Siam Mask	RCNN 掩膜	对象追踪
SSD	PASCAL_VOC_rectangles KITTI_rectangles	对象检测	检测棕榈树健康情况
超分辨率	超分辨率	影像转换（已配对影像）	提高图像分辨率
U-Net	分类切片	像素分类	提取建筑物覆盖区
YOLOv3	PASCAL_VOC_rectangles KITTI_rectangles	对象检测

可使用训练深度学习模型工具执行一些使用 Python Notebook 进行训练的示例。

ARCGIS