ENVI Deep Learning

ENVI Deep Learning je komercialni dodatek za programsko opremo za analizo slik ENVI podjetja NV5 Geospatial, ki prinaša globoko učenje na daljinsko zaznane slike brez programiranja. Usposabljanje uporabnih modelov običajno zahteva znanje podatkovne znanosti in kodiranje; modul namesto tega ponuja vodnik in orodje za označevanje, v katerem analitiki označujejo primere z območji zanimanja, opombami ali COCO podatkovnimi nizi, nato pa modele usposobijo z nekaj kliki.

Različica 4.0 usposablja ONNX modele z sedmimi vgrajenimi arhitekturami za segmentacijo pikslov (SegUNet++, SegUNet, DeepLabV3+), zaznavanje objektov (RT-DETRV2 Small in Large) in zaznavanje mreže (ResNet50V2, ResNet101V2), prav tako pa lahko izvaja ONNX modele, usposobljene drugje, na primer v PyTorch ali TensorFlow. ENVI-jeva predobdelava (kalibracija, atmosferska korekcija, barvne transformacije) pripravi dosledne vhodne podatke, uporabniki pa lahko dodajo spektralne indekse ali plasti nadmorske višine za izboljšanje klasifikatorjev. Izhodi vključujejo klasifikacijske rastrske podatke, zemljevide aktivacije razredov, ROI-je, shapefile in GeoJSON.

Modul podpira zemeljske, UAV, zračne in vesoljske posnetke. NV5 prikazuje ekstrakcijo nove poplavne vode iz Sentinel-1 SAR podatkov in zaznavanje letal na 0,5 m SkySat posnetkih. Univerza v Koreji ga je uporabila s sezonskimi kompoziti Sentinel-2 za kartiranje iglavcev in listavcev po Južni Koreji za nacionalno poročanje o toplogrednih plinih, pri čemer je dosegla 83,13 % skupne natančnosti. Zgrajen na okviru ENVI Task lahko usposobljeni klasifikatorji delujejo na namiznih računalnikih, lokalnih strežnikih ali v oblaku; različica Runtime izvaja sklepanje brez ločene licence za Deep Learning, modele pa je mogoče deliti prek Analytics Repository. Deluje na Windows in Linux; za usposabljanje je potreben NVIDIA CUDA GPU, medtem ko klasifikacija lahko poteka na GPU ali CPU.