Группа инструментов Глубокое обучение содержит инструменты, которые обнаруживают определенные объекты в изображении и классифицируют пикселы в наборе растровых данных.
Глубокое обучение – это тип машинного обучения искусственного интеллекта, который обнаруживает объекты в изображениях, используя несколько слоев в нейронных сетях, в которых один или несколько уникальных объектов изображения могут быть извлечены в каждый слой. Инструменты в группе инструментов Глубокое обучение используют GPU-обработку для своевременного выполнения анализа.
Эти инструменты ArcGIS AllSource используют модели, которые были обучены обнаруживать определенные объекты в сторонних платформах глубокого обучения, таких как TensorFlow, CNTK и PyTorch, а также выводят в результате объекты или карты классов.
В следующей таблице приводится список инструментов глубокого обучения и дается их краткое описание:
| Инструмент | Описание |
|---|---|
Запускает обученную модель глубокого обучения на входном растре и дополнительном классе пространственных объектов для создания класса объектов или таблицы, где у каждого входного объекта имеется назначенный класс или надпись категории. Для этого инструмента требуется файл определения модели, содержащий обученную информацию о модели. Модели могут быть обучены с помощью инструмента Тренировать модель глубокого обучения или с помощью сторонних программных средств обучения, таких как TensorFlow, PyTorch или Keras. Файл определения модели может быть файлом JSON определения модели Esri (.emd) или пакетом модели глубокого обучения, и он должен содержать путь к растровой функции Python, вызываемой для обработки каждого объекта, и путь к обученному двоичному файлу модели глубокого обучения. | |
Запускает обученную модель глубокого обучения на входном растре для создания классифицированного растра, где каждому пикселу назначается класс надписей. Для этого инструмента требуется файл определения модели, содержащий обученную информацию о модели. Модели могут быть обучены с помощью инструмента Тренировать модель глубокого обучения или с помощью сторонних программных средств обучения, таких как TensorFlow, PyTorch или Keras. Файл определения модели может быть файлом JSON определения модели Esri (.emd) или пакетом модели глубокого обучения, и он должен содержать путь к растровой функции Python, вызываемой для обработки каждого объекта, и путь к обученному двоичному файлу модели глубокого обучения. | |
Вычисляет точность модели глубокого обучения сравнением объектов, выявленных инструментом Выявить объекты при помощи глубокого обучения, с истинными данными на поверхности земли. | |
Запускает обученную модель глубокого обучения для выявления изменений между двумя растрами. Для этого инструмента требуется файл определения модели, содержащий обученную информацию о модели. Файл определения модели может быть файлом JSON определения модели Esri (.emd) или пакетом модели глубокого обучения, и он должен содержать путь к растровой функции Python, вызываемой для обработки каждого объекта, и путь к обученному двоичному файлу модели глубокого обучения. | |
Запускает обученную модель глубокого обучения для входного растра для построения класса с найденными пространственными объектами. Объекты могут быть ограничивающими рамками или полигонами вокруг найденных объектов или точками в центрах объектов. Для этого инструмента требуется файл определения модели, содержащий обученную информацию о модели. Модели могут быть обучены с помощью инструмента Тренировать модель глубокого обучения или с помощью сторонних программных средств обучения, таких как TensorFlow, PyTorch или Keras. Файл определения модели может быть файлом JSON определения модели Esri (.emd) или пакетом модели глубокого обучения, и он должен содержать путь к растровой функции Python, вызываемой для обработки каждого объекта, и путь к обученному двоичному файлу модели глубокого обучения. | |
Конвертирует надписанные векторные или растровые данные в наборы данных глубокого обучения с использованием спутникового изображения. Инструмент создает папку чипов изображений и папку файлов метаданных в определенном формате. | |
Запускает одну или несколько предварительно обученных моделей глубокого обучения для входного растра с целью извлечения объектов и автоматизации постобработки полученных выходных данных. | |
Выявляет дубликаты объектов в выходных данных инструмента Выявить объекты при помощи глубокого обучения, в качестве шага постобработки, и создает новые выходные данные без дублей. Инструмент Выявить объекты при помощи глубокого обучения может возвращать более одной ограничивающей рамки или полигона для одного и того же объекта, особенно при побочном влиянии от листов. Если два объекта перекрываются более чем на заданный максимальный диапазон, объект с меньшим значением достоверности удаляется. | |
Тренирует модель глубокого обучения с использованием результатов работы инструмента Экспорт обучающих данных для глубокого обучения. | |
Обучает модель глубокого обучения путем создания конвейеров обучения и автоматизации большей части процесса обучения. Это включает в себя увеличение данных, выбор модели, настройку гиперпараметров и уменьшение размера пакета. Его выходные данные включают показатели производительности наилучшей модели на основе обучающих данных, а также пакет обученных моделей глубокого обучения (файл .dlpk), который можно использовать в качестве входных данных для извлечения функций с помощью инструмента Извлечь объекты с использованием модели ИИ для прогнозирования на новых изображениях. |