Архитектура моделей глубокого обучения

Доступно с лицензией Image Analyst.

В следующей таблице представлен обзор типов моделей глубокого обучения, доступных в ArcGIS AllSource. Каждая строка содержит совместимые форматы метаданных и основное использование конкретного типа модели. Там, где это возможно, приводятся сопутствующие примеры.

Тип модели глубокого обученияПоддерживаемые метаданныеЗадачаПример

BDCN Edge Detector

Классифицированные листы

Классификация пикселов

Извлечение земельного участка

Change Detector

Классифицированные листы

Классификация пикселов (выявление изменений)

Выявить изменения в здании

ConnectNet

Классифицированные листы

Классификация пикселов

CycleGAN

Экспорт листов

CycleGAN

Преобразование изображения (непарные изображения)

Преобразование SAR в RGB

DeepLab

Классифицированные листы

Классификация пикселов

Deep Sort

Imagenet

Отслеживание объектов

DETReg

PASCAL_VOC_rectangles

Выявление объектов

Faster RCNN

PASCAL_VOC_rectangles

KITTI_rectangles

Выявление объектов

Классификатор объектов

Отмеченные листы

Imagenet

Листы с несколькими метками

Выявление объектов

Категория объекта

HED Edge Detector

Классифицированные листы

Классификация пикселов

Извлечение земельного участка

Image Captioner

Подпись к изображению

Подпись к изображению

Mask RCNN

Маски RCNN

Выявление объектов (сегментация экземпляра)

Обнаружение и классификация Карибу

MMDetection

PASCAL_VOC_rectangles

KITTI_rectangles

Выявление объектов

MMSegmentation

Классифицированные листы

Классификация пикселов

Multi-Task Road Extractor

Классифицированные листы

Классификация пикселов

Автоматическое извлечение дороги

MaX-DeepLab

Общая сегментация

Общая сегментация

Pix2Pix

Экспорт листов

Преобразование изображения (парные изображения)

Раскрашивание исторических изображений

PSPNet

Классифицированные листы

Классификация пикселов

PSETAE

MaskRCNN

Классификация пикселов

RetinaNet

PASCAL_VOC_rectangles

KITTI_rectangles

Выявление объектов

Выявление коммуникаций и растительности

SAMLoRA

Классифицированные листы

Классификация пикселов

Siam Mask

Маски RCNN

Отслеживание объектов

SSD

PASCAL_VOC_rectangles

KITTI_rectangles

Выявление объектов

Определить здоровье пальмы

Super-resolution

Superresolution

Преобразование изображения (парные изображения)

Увеличить разрешение изображения

U-Net

Классифицированные листы

Классификация пикселов

Извлечение контуров здания

YOLOv3

PASCAL_VOC_rectangles

KITTI_rectangles

Выявление объектов

Примечание:

Некоторые примеры, в которых для обучения используется блокнот Python, могут быть выполнены с помощью инструмента Обучить модель глубокого обучения.

Инструменты и задачи Глубокого обучения

ЗадачаИнструмент

Выявление изменений

Выявить изменения при помощи глубокого обучения

Преобразование изображения (парных и непарных)

Классифицировать пикселы при помощи глубокого обучения

Классификация объектов

Классифицировать объекты при помощи глубокого обучения

Выявление объектов

Выявить объекты при помощи глубокого обучения

Выявление объектов (сегментация экземпляра)

Выявить объекты при помощи глубокого обучения

Отслеживание объектов

Вкладка Отслеживание FMV

Классификация пикселов

Классифицировать пикселы при помощи глубокого обучения

Связанные разделы