Architectures du modèle Deep Learning

Disponible avec une licence Image Analyst.

La table suivante offre une vue d’ensemble des types de modèle de Deep Learning disponibles dans ArcGIS AllSource. Chaque ligne fournit des formats de métadonnées compatibles et l’usage principal du type de modèle concerné. Des exemples sont inclus lorsqu’ils sont disponibles.

Type de modèle de Deep Learning	Métadonnées prises en charge	Tâche	Exemple
Détecteur de contours BDCN	Tuiles classées	Classification de pixels	Extraction de parcelles
Détecteur de changements	Tuiles classées	Classification de pixels (détection des changements)	Détecter les changements pour des bâtiments
ConnectNet	Tuiles classées	Classification de pixels
CycleGAN	Exporter des tuiles CycleGAN	Conversion d’images (images non appariées)	Conversion SAR vers RVB
DeepLab	Tuiles classées	Classification de pixels
Deep Sort	Imagenet	Suiveur d’objet
DETReg	PASCAL_VOC_rectangles	Détection d’objets
Faster RCNN	PASCAL_VOC_rectangles KITTI_rectangles	Détection d’objets
Classificateur d’entités	Tuiles étiquetées Imagenet Tuiles à plusieurs étiquettes	Détection d’objets	Catégorisation d’entités
Détecteur de contours HED	Tuiles classées	Classification de pixels	Extraction de parcelles
Sous-titreur d’images	Sous-titrage d’images	Sous-titrage d’images
Masque RCNN	Masques RCNN	Détection d’objets (segmentation d’instances)	Détection et classification des caribous
MMDetection	PASCAL_VOC_rectangles KITTI_rectangles	Détection d’objets
MMSegmentation	Tuiles classées	Classification de pixels
Extracteur de routes multitâche	Tuiles classées	Classification de pixels	Extraction de routes automatique
MaX-DeepLab	Segmentation panoptique	Segmentation panoptique
Pix2Pix	Exporter des tuiles	Conversion d’images (images appariées)	Colorisation de l’imagerie historique
PSPNet	Tuiles classées	Classification de pixels
PSETAE	MaskRCNN	Classification de pixels
RetinaNet	PASCAL_VOC_rectangles KITTI_rectangles	Détection d’objets	Détection d’infrastructures électriques et de végétation
SiamMask	Masques RCNN	Suivi d’objets
SSD	PASCAL_VOC_rectangles KITTI_rectangles	Détection d’objets	Détecter la santé des palmiers
Super-résolution	Super-résolution	Conversion d’images (images appariées)	Augmenter la résolution d’image
U-Net	Tuiles classées	Classification de pixels	Extraction des emprises des bâtiments
YOLOv3	PASCAL_VOC_rectangles KITTI_rectangles	Détection d’objets

Remarque :

Certains exemples qui utilisent le notebook Python pour l’entraînement peuvent être réalisés à l’aide de l’outil Entraîner le modèle de Deep Learning.

Tâches et outils de Deep Learning

Tâche	Outil
Détection des changements	Détecter les changements à l’aide du Deep Learning
Conversion d’images (images appariées ou non appariées)	Classer des pixels à l’aide du Deep Learning
Classification d’objets	Classer des objets à l’aide du Deep Learning
Détection d’objets	Détecter des objets à l’aide du Deep Learning
Détection d’objets (segmentation d’instances)	Détecter des objets à l’aide du Deep Learning
Suivi d’objets	Onglet Suivi FMV
Classification de pixels	Classer des pixels à l’aide du Deep Learning