ENVI Deep Learning

ENVI Deep Learning je komerčný doplnkový modul pre softvér na analýzu snímok ENVI od NV5 Geospatial, ktorý prináša hlboké učenie do diaľkovo snímaných snímok bez programovania. Tréning užitočných modelov zvyčajne vyžaduje zručnosti v dátovej vede a kódovanie; modul však poskytuje sprievodnú mapu a nástroj na označovanie, v ktorom analytici označujú príklady s oblasťami záujmu, anotáciami alebo COCO datasetmi, a potom modely trénujú niekoľkými kliknutiami.

Verzia 4.0 trénuje ONNX modely so siedmimi zabudovanými architektúrami pre segmentáciu pixelov (SegUNet++, SegUNet, DeepLabV3+), detekciu objektov (RT-DETRV2 Small a Large) a detekciu mriežky (ResNet50V2, ResNet101V2), a tiež môže spúšťať ONNX modely trénované inde, napríklad v PyTorch alebo TensorFlow. Predspracovanie v ENVI (kalibrácia, atmosférická korekcia, farebné transformácie) pripravuje konzistentné vstupy a používatelia môžu pridať spektrálne indexy alebo vrstvy nadmorskej výšky na posilnenie klasifikátorov. Výstupy zahŕňajú klasifikačné rastry, mapy aktivácie tried, ROI, shapefile a GeoJSON.

Modul podporuje pozemné, UAV, letecké a kozmické snímky. NV5 demonštruje jeho použitie pri extrakcii nových záplavových vôd zo Sentinel-1 SAR dát a detekcii lietadiel na 0,5 m snímkach SkySat. Kórejská univerzita ho použila so sezónnymi kompozitmi Sentinel-2 na mapovanie ihličnatých a listnatých lesov v Južnej Kórei pre národné hlásenie o skleníkových plynoch, dosahujúc celkovú presnosť 83,13 %. Postavený na rámci ENVI Task môžu trénované klasifikátory bežať na desktopoch, lokálnych serveroch alebo v cloude; edícia Runtime umožňuje inferenciu bez samostatnej licencie Deep Learning a modely je možné zdieľať cez Analytics Repository. Funguje na Windows a Linux; tréning vyžaduje NVIDIA CUDA GPU, zatiaľ čo klasifikácia môže bežať na GPU alebo CPU.