ENVI Deep Learning

ENVI Deep Learning yra komercinis papildomas modulis NV5 Geospatial ENVI vaizdų analizės programinei įrangai, kuris įveda giluminį mokymą į nuotoliniu būdu gautus vaizdus be programavimo. Naudingų modelių treniravimas paprastai reikalauja duomenų mokslo įgūdžių ir kodo; šis modulis vietoje to suteikia žemėlapio vadovą ir žymėjimo įrankį, kuriame analitikai pažymi pavyzdžius su dominančiomis sritimis, anotacijomis arba COCO duomenų rinkiniais, o tada treniruoja modelius keliais paspaudimais.

4.0 versija treniruoja ONNX modelius su septyniomis įmontuotomis architektūromis pikselių segmentacijai (SegUNet++, SegUNet, DeepLabV3+), objektų aptikimui (RT-DETRV2 Small ir Large) ir tinklo aptikimui (ResNet50V2, ResNet101V2), taip pat gali vykdyti ONNX modelius, apmokytus kitur, pavyzdžiui, PyTorch ar TensorFlow aplinkoje. ENVI išankstinis apdorojimas (kalibravimas, atmosferos korekcija, spalvų transformacijos) paruošia nuoseklius įvesties duomenis, o vartotojai gali pridėti spektrinius indeksus arba aukščio sluoksnius, kad sustiprintų klasifikatorius. Rezultatai apima klasifikacijos rastrus, klasių aktyvacijos žemėlapius, dominančias sritis (ROI), shapefile ir GeoJSON.

Modulis palaiko žemės, UAV, oro ir kosminius vaizdus. NV5 demonstruoja, kaip jis išskiria naują potvynio vandenį iš Sentinel-1 SAR duomenų ir aptinka orlaivius 0,5 m SkySat vaizduose. Pietų Korėjos universitetas naudojo jį su Sentinel-2 sezoninėmis kompozicijomis, kad žemėlapyje pažymėtų spygliuočių ir lapuočių miškus visoje Pietų Korėjoje nacionaliniam šiltnamio efektą sukeliančių dujų ataskaitų teikimui, pasiekdamas 83,13 % bendrą tikslumą. Remiantis ENVI užduočių sistema, apmokyti klasifikatoriai gali veikti darbalaukiuose, vietiniuose serveriuose arba debesyje; Runtime leidimas vykdo spėjimą be atskiros Deep Learning licencijos, o modeliai gali būti dalijami per Analytics Repository. Veikia Windows ir Linux; treniravimui reikalinga NVIDIA CUDA GPU, o klasifikacija gali būti vykdoma GPU arba CPU.