ENVI Deep Learning

ENVI Deep Learning este un modul comercial suplimentar pentru software-ul de analiză a imaginilor ENVI de la NV5 Geospatial, care aduce învățarea profundă în imaginile obținute prin teledetecție fără programare. Antrenarea modelelor utile necesită de obicei competențe în știința datelor și cod; modulul oferă în schimb o hartă ghid și un instrument de etichetare în care analiștii marchează exemple cu regiuni de interes, adnotări sau seturi de date COCO, apoi antrenează modelele cu câteva clicuri.

Versiunea 4.0 antrenează modele ONNX cu șapte arhitecturi integrate pentru segmentarea pixelilor (SegUNet++, SegUNet, DeepLabV3+), detectarea obiectelor (RT-DETRV2 Small și Large) și detectarea grilei (ResNet50V2, ResNet101V2), și poate rula și modele ONNX antrenate în alte medii, de exemplu în PyTorch sau TensorFlow. Preprocesarea ENVI (calibrare, corecție atmosferică, transformări de culoare) pregătește intrări consistente, iar utilizatorii pot adăuga indici spectrali sau straturi de elevație pentru a întări clasificatoarele. Rezultatele includ rastere de clasificare, hărți de activare a claselor, ROI-uri, fișiere shapefile și GeoJSON.

Modulul suportă imagini terestre, UAV, aeriene și spațiale. NV5 demonstrează extragerea apei noi de inundație din date Sentinel-1 SAR și detectarea aeronavelor în imagini SkySat de 0,5 m. Universitatea din Coreea l-a folosit cu compozite sezoniere Sentinel-2 pentru a cartografia pădurile de conifere și foioase din Coreea de Sud pentru raportarea națională a gazelor cu efect de seră, atingând o acuratețe generală de 83,13%. Bazat pe cadrul ENVI Task, clasificatoarele antrenate pot rula pe desktopuri, servere locale sau în cloud; o ediție Runtime rulează inferența fără o licență separată Deep Learning, iar modelele pot fi partajate prin Analytics Repository. Rulează pe Windows și Linux; antrenarea necesită un GPU NVIDIA CUDA, în timp ce clasificarea poate rula pe GPU sau CPU.