Deep-Learning-Modellarchitekturen

Mit der Image Analyst-Lizenz verfügbar.

Die folgende Tabelle bietet eine Übersicht über die in ArcGIS AllSource verfügbaren Deep-Learning-Modelle. Jede Zeile enthält kompatible Metadatenformate und den Hauptzweck des spezifischen Modelltyps. Falls verfügbar, sind entsprechende Beispiele aufgeführt.

Deep-Learning-Modelltyp	Unterstützte Metadaten	Task	Beispiel
BDCN Edge Detector	Klassifizierte Kacheln	Pixelklassifizierung	Flurstückextraktion
Change Detector	Klassifizierte Kacheln	Pixelklassifizierung (Änderungserkennung)	Gebäudeänderung erkennen
ConnectNet	Klassifizierte Kacheln	Pixelklassifizierung
CycleGAN	Kacheln exportieren CycleGAN	Bildübersetzung (nicht zugeordnete Bilder)	SAR-in-RGB-Übersetzung
DeepLab	Klassifizierte Kacheln	Pixelklassifizierung
Deep Sort	ImageNet	Objekt-Tracker
DETReg	PASCAL_VOC_rectangles	Objekterkennung
Faster RCNN	PASCAL_VOC_rectangles KITTI_rectangles	Objekterkennung
Feature Classifier	Beschriftete Kacheln ImageNet Kacheln mit mehreren Beschriftungen	Objekterkennung	Feature-Kategorisierung
HED Edge Detector	Klassifizierte Kacheln	Pixelklassifizierung	Flurstückextraktion
Bildüberschrift	Bildüberschrift	Bildüberschrift
Mask RCNN	RCNN-Masken	Objekterkennung (Instanzsegmentierung)	Erkennung und Klassifizierung mit Caribou
MMDetection	PASCAL_VOC_rectangles KITTI_rectangles	Objekterkennung
MMSegmentation	Klassifizierte Kacheln	Pixelklassifizierung
Multi Task Road Extractor	Klassifizierte Kacheln	Pixelklassifizierung	Automatische Straßenextraktion
MaX-DeepLab	Panoptische Segmentierung	Panoptische Segmentierung
Pix2Pix	Kacheln exportieren	Bildübersetzung (paarweise Bilder)	Historische Bilddaten färben
PSPNet	Klassifizierte Kacheln	Pixelklassifizierung
PSETAE	MaskRCNN	Pixelklassifizierung
RetinaNet	PASCAL_VOC_rectangles KITTI_rectangles	Objekterkennung	Versorgungs- und Vegetationserkennung
Siam Mask	RCNN-Masken	Objektverfolgung
SSD	PASCAL_VOC_rectangles KITTI_rectangles	Objekterkennung	Zustand von Palmen erkennen
Super-Resolution	Super-Resolution	Bildübersetzung (paarweise Bilder)	Bildauflösung erhöhen
U-Net	Klassifizierte Kacheln	Pixelklassifizierung	Gebäude-Footprints extrahieren
YOLOv3	PASCAL_VOC_rectangles KITTI_rectangles	Objekterkennung

Hinweis:

Einige der Beispiele, in denen das Python-Notebook für das Training verwendet wird, können mit dem Werkzeug Deep-Learning-Modell trainieren durchgeführt werden.

Deep-Learning-Tasks und -Werkzeuge

Task	Werkzeug
Änderungserkennung	Veränderung mit Deep Learning erkennen
Bildübersetzung (paarweise und nicht zugeordnet)	Pixel mit Deep Learning klassifizieren
Objektklassifizierung	Objekte mit Deep Learning klassifizieren
Objekterkennung	Objekte mit Deep Learning erkennen
Objekterkennung (Instanzsegmentierung)	Objekte mit Deep Learning erkennen
Objektverfolgung	Registerkarte für die FMV-Verfolgung
Pixelklassifizierung	Pixel mit Deep Learning klassifizieren