ENVI Deep Learning

ENVI Deep Learning е търговски модул добавка за софтуера за анализ на изображения ENVI на NV5 Geospatial, който въвежда дълбокото обучение в дистанционно заснетите изображения без програмиране. Обучението на полезни модели обикновено изисква умения по наука за данни и код; модулът вместо това предоставя карта с указания и инструмент за етикетиране, в който анализаторите маркират примери с региони на интерес, анотации или COCO набори от данни, след което обучават модели с няколко клика.

Версия 4.0 обучава ONNX модели с седем вградени архитектури за сегментация на пиксели (SegUNet++, SegUNet, DeepLabV3+), откриване на обекти (RT-DETRV2 Малък и Голям) и откриване на мрежи (ResNet50V2, ResNet101V2), и може също да изпълнява ONNX модели, обучени другаде, например в PyTorch или TensorFlow. Предварителната обработка на ENVI (калибрация, атмосферна корекция, цветови трансформации) подготвя последователни входни данни, а потребителите могат да добавят спектрални индекси или слоеве с височина за засилване на класификаторите. Изходите включват растерни карти за класификация, карти на активиране на класове, ROI, шейпфайлове и GeoJSON.

Модулът поддържа наземни, БПЛА, въздушни и космически изображения. NV5 демонстрира извличане на нова наводнена вода от Sentinel-1 SAR данни и откриване на самолети в 0.5 м SkySat изображения. Университетът в Корея го използва със сезонни композити от Sentinel-2 за картографиране на иглолистни и широколистни гори в Южна Корея за национални отчети за парникови газове, като достига обща точност от 83.13%. Изграден върху ENVI Task framework, обучените класификатори могат да работят на настолни компютри, локални сървъри или в облака; Runtime изданието изпълнява инференция без отделен лиценз за Deep Learning, а моделите могат да се споделят чрез Analytics Repository. Работи на Windows и Linux; обучението изисква NVIDIA CUDA GPU, докато класификацията може да се изпълнява на GPU или CPU.