ENVI Deep Learning

ENVI Deep Learning, NV5 Geospatial'in ENVI görüntü analiz yazılımı için programlama gerektirmeden uzaktan algılanan görüntülere derin öğrenme getiren ticari bir eklenti modülüdür. Faydalı modeller eğitmek genellikle veri bilimi becerileri ve kodlama gerektirir; ancak bu modül, analistlerin ilgi alanları, açıklamalar veya COCO veri setleri ile örnekleri etiketlediği, ardından birkaç tıklamayla modelleri eğittiği bir rehber harita ve etiketleme aracı sağlar.

Sürüm 4.0, piksel segmentasyonu (SegUNet++, SegUNet, DeepLabV3+), nesne tespiti (RT-DETRV2 Küçük ve Büyük) ve ızgara tespiti (ResNet50V2, ResNet101V2) için yedi yerleşik mimariyle ONNX modelleri eğitir ve ayrıca PyTorch veya TensorFlow gibi başka yerlerde eğitilmiş ONNX modellerini çalıştırabilir. ENVI'nin ön işleme (kalibrasyon, atmosfer düzeltmesi, renk dönüşümleri) tutarlı girdiler hazırlar ve kullanıcılar sınıflandırıcıları güçlendirmek için spektral indeksler veya yükseklik katmanları ekleyebilir. Çıktılar arasında sınıflandırma rasterleri, sınıf-aktivasyon haritaları, ROI'ler, şekil dosyaları ve GeoJSON bulunur.

Modül, karasal, İHA, hava ve uzaydan elde edilen görüntüleri destekler. NV5, Sentinel-1 SAR verilerinden yeni sel sularını çıkarmayı ve 0,5 m SkySat görüntülerinde uçakları tespit etmeyi göstermiştir. Kore Üniversitesi, Sentinel-2 mevsimsel bileşimleri ile Güney Kore genelinde iğne yapraklı ve geniş yapraklı ormanları ulusal sera gazı raporlaması için haritalamak üzere kullanmış ve %83,13 genel doğruluk elde etmiştir. ENVI Task çerçevesi üzerine kurulu olan eğitilmiş sınıflandırıcılar masaüstlerinde, kurum içi sunucularda veya bulutta çalıştırılabilir; Runtime sürümü ayrı bir Derin Öğrenme lisansı olmadan çıkarım yapar ve modeller Analytics Repository üzerinden paylaşılabilir. Windows ve Linux üzerinde çalışır; eğitim için NVIDIA CUDA GPU gerektirirken, sınıflandırma GPU veya CPU üzerinde çalıştırılabilir.