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