新机器学习遥感分类工具 |
您所在的位置:网站首页 › envi论坛 › 新机器学习遥感分类工具 |
ENVI5.6.3新增机器学习工具包,该功能不需要额外的许可,只需安装ENVI深度学习2.0版本应用程序,用ENVI主模块的许可便可使用新机器学习的功能。 ENVI新机器学习工具包,可以对栅格数据进行快速分类,如异常检测、监督分类和非监督分类。也可以从一个或多个数据上选择样本,生成训练模型,并用该模型对其他图像进行分类。还可以使用ENVI Modeler构建对多个栅格数据进行分类的工作流。 运行环境新机器学习工具包运行环境如下: 支撑软件 ENVI5.6.3+ENVI Deep Learning2.0 操作系统 ◾Windows 10 and 11 (Intel/AMD 64-bit) ◾Linux (Intel/AMD 64-bit, 3.10.0及更高版本, glibc 2.17 及更高版本) 硬件 具有AVX的CPU。 注:一般情况下,2011年之后的CPU都包含该指令集
由于在特征学习和识别时进行了样本的手动选择,新机器学习工具可以用较少的数据进行模型训练。此外,新机器学习工具可以运行在没有高性能GPU配置的设备上。 功能介绍ENVI新机器学习工具包括以下功能: 异常探测(Anomaly Detection) 孤立森林(Isolation Forest) 局部异常因子(Local Outlier Factor) 监督分类(Supervised) 极度随机树分类(Extra Trees Classification) K近邻分类(K-Neighbors Classification) 线性支持向量机分类(Linear SVM Classification) 朴素贝叶斯分类(Naive Bayes Classification) 随机森林分类(Random Forest Classification) 径向基函数支持向量机分类(RBF SVM Classification) 非监督分类(Unsupervised) BIRCH Mini Batch K-Means每个分类工具提供易于操作界面,在一个界面即可实现数据和样本的输入、参数设置、模型训练及分类,直接得到分类结果。 图:随机森林分类工具界面 每个分类工具界面提供Open in Modeler按钮,可以一键在ENVI Modeler中打开该工具的模型,便于用户对多幅影像进行批量分类。 图:ENVI Modeler下的机器学习流程化工具 ENVI新机器学习工具包还提供以下工具,可以使用多个数据进行模型训练,可用训练好的模型对其他图像进行分类。 机器学习标记工具(Machine Learning Labeling Tool)使用深度学习标记工具创建新项目时,添加了两个机器学习的选项: 监督分类:按照类别标记像元,以及背景像元 异常检测:标记非异常像元图:标记工具可选择任何监督分类算法进行土地覆盖分类 用于Birch非监督分类的训练工具(Train Birch Tool)![]() ![]() ENVI新机器学习工具包,针对Intel CPU进行了优化,在Intel CPU环境可以得到很高的运行效率,不需要用到GPU。 以下是一些机器学习分类效果图: 图:使用PlanetScope数据进行土地利用分类 图:使用机器学习非监督分类方法进行土地利用分类 图:使用高光谱数据识别不同落叶阶段的树木 图:使用异常探测进行水域中非水体信息的提取 图:异常探测工具基于WorldView3 短波红外波段数据识别燃烧区域 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |