ENVIDeepLearning是面向空间信息从业者,基于深度学习框架(TensorFlow)开发的遥感图像分类和目标识别工具。它具备算法成熟,界面友好,操作便捷等特点。让空间信息从业者不需要深度学习和程序开发等背景知识就能轻松上手,从而完成建筑物、道路、农作物种类等特征信息提取,也能进行全要素图像分类、变化检测等应用。
ENVI Deep Learning 1.1 于2020年初发布,此版本包含了几个关键改进和新功能:
多要素/多类别支持。
新增项目管理功能,用于管理训练图像和ROIs。
训练过程中的状态信息显示改进。
支持NVIDIA CUDA 10和9 GPUs。
如下图所示,在训练模型流程中,增加了一个Train a Multiclass Model的选项,即训练多类别模型。
单击上图右侧的Label Rasters,将弹出如下界面。左侧用于定义类别名称和颜色,右侧用于导入栅格并绘制ROI,或导入ROI、Vector等。
在使用之前,必须新建或打开一个工程(Project),工程将保存所有的历史记录。很方便的一点是,在这个界面中进行绘制ROI等操作,不需要手动保存,工程将自动保存,方便下次继续使用。
注:此界面同样可以通过如下工具打开:/Deep Learning/Deep Learning Labeling Tool
虽然这个功能也是在Deep Learning Guide Map工具中,这里单独拿出来进行介绍。
此功能是用于显示训练状态,包含了当前训练状态和历史训练状态。可通过下图菜单打开Deep Learning Training Metrics [TensorBoard]界面。
如下图所示,可以查看历史训练记录,包含每次迭代/批处理的各种精度指标。可以设置记录存放目录、删除历史记录等。
注:如果是训练模型时,该界面将自动使用系统默认浏览器打开。
新增如下两个工具:
Class Activation to Polygon Shapefile:将得到的类激活图转换为多边形矢量
Class Activation to Polyline Shapefile:将得到的类激活图转换为多边线矢量(提取中心线)
ENVI Deep Learning Module支持多种方式获取训练样本,包括ENVI 感兴趣区(ROI)、ENVI特征标记、ENVI传统分类方法的结果、从Open Street Maps, ArcGIS Pro等平台获取的标记数据。
可以创建新的学习模型库,也可以强化已有的学习模型库。
ENVI提供的工具可以很轻松的训练自己的学习模型库,并在后期可以不断的增加训练样本,强化学习模型库。
深度学习的最终目的就是为了从图像上提取所需的信息,如下图所示,通过一些建筑物训练样本得到的学习模型,得到整个图像所有建筑物信息。
如下例子为利用ENVI Deep Learning Module提取2010年海地地震震后倒塌房屋信息。数据源为3波段的高分辨率卫星影像数据,从一个局部影像数据上目视解译一些倒塌建筑物作为训练样本,构建学习模型后提取整个地区的倒塌房屋信息。例子详细视频:https://v.qq.com/x/page/x0845wzah82.html