深度学习模型架构

获得 Image Analyst 许可后可用。

下表概述了 ArcGIS Pro 中的可用深度学习模型类型。 每行提供兼容的元数据格式以及特定模型类型的主要用法。 如果可用,将包含随附的示例。

深度学习模型类型受支持的元数据任务示例

BDCN 边缘检测器

分类切片

像素分类

土地宗地提取

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(未配对影像)

SAR 至 RGB 转换

DeepLab

分类切片

像素分类

Deep Sort

Imagenet

对象跟踪器

DETReg

PASCAL_VOC_rectangles

对象检测

Faster RCNN

PASCAL_VOC_rectangles

PASCAL_VOC_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

土地宗地提取

影像描述生成器

影像描述生成

影像描述生成

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)

对历史影像进行着色

PSPNet

分类切片

像素分类

PSETAE

MaskRCNN

像素分类

RetinaNet

PASCAL_VOC_rectangles

KITTI_rectangles

对象检测

公共设施和植被检测

SAMLoRA

分类切片

像素分类

Siam Mask

RCNN 掩膜

对象追踪

SSD

PASCAL_VOC_rectangles

KITTI_rectangles

对象检测

检测棕榈树健康状况

超分辨率

Superresolution

影像转换(已配对影像)

提高影像分辨率

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

注:

可使用训练深度学习模型工具执行使用 Python 笔记本进行训练的一些示例。

深度学习任务和工具

任务工具

变化检测

使用深度学习检测变化

影像转换(已配对和未配对)

使用深度学习分类像素

对象分类

使用深度学习分类对象

对象检测

使用深度学习检测对象

对象检测(实例分割)

使用深度学习检测对象

对象追踪

FMV 追踪选项卡

像素分类

使用深度学习分类像素

相关主题