ENVI深度学习1.2版本发布

ENVI深度学习1.2版本正式发布，适配ENVI 5.6.1。ENVI深度学习1.2增加了一项重大改进，一种全新的深度学习类型：对象检测。

系统要求

平台	硬件	操作系统	支持版本
Windows	Intel/AMD 64-bit	Windows	10，2016 Server
UNIX	Intel/AMD 64-bit	Linux	Kernel 3.10 or higher, glibc 2.17 or higher

ENVI深度学习1.2使用TensorFlow 2.4 和 CUDA 11，这两者均已包含在安装包中。ENVI深度学习对软硬件有一定的要求，具体如下：

• NVIDIA 显卡驱动版本要求460.x或更高。下载地址：https://www.nvidia.com/Download/index.aspx?lang=en-us
• NVIDIA显卡CUDA计算能力（Compute Capability）要求 3.5 到 8.6。查询网址：https://developer.nvidia.com/cuda-gpus
• 具有高级向量扩展AVX (Advanced Vector Extensions)指令集的CPU。一般来说，2011年以后的任何CPU都会包含这个指令集。

可通过下面方法测试系统是否满足ENVI深度学习的环境要求。在ENVI工具箱中，启动/Deep Learning/Deep Learning Guide Map，在弹出面板中选择菜单 Tools > Test Installation and Configuration。

为了获得最佳性能，建议显存最少8GB，尤其是训练模型时。

新功能

ENVI深度学习1.2提供了训练和分类对象检测模型的能力。对象检测可用于定位具有相似空间、光谱和纹理特征的目标。之前版本的ENVI深度学习仅在逐个像素的基础上定位特征（称为像素分割）。对象检测是ENVI深度学习1.2版本的新增功能。与像素分割不同，对象检测可用于提取接触或重叠的对象。ENVI深度学习使用RetinaNet卷积神经网络 (CNN) 进行对象检测。

下图显示了使用对象检测来定位船舶的示例。红色边界框标记了船只的位置。

对象检测涉及以下步骤：

1. 通过在它们周围绘制边界框来标记一幅或多幅图像中的特征。边界框可以采用矩形标注或多边形感兴趣区域(ROIs)的形式。

2. 将标记的图像（称为对象检测栅格）传递给训练器。结果是一个HDF5格式的训练模型。

3. 使用经过训练的模型对相同或其他栅格进行分类。结果是围绕已识别特征绘制的一组边界框。每个边界框属于一个特定的类。

ENVI深度学习1.2包含了许多改进以支持对象检测：

•      Deep Learning Guide Map提供了标记、训练和分类对象检测模型的向导。
•      Deep Learning Labeling Tool有一个新的 Project Type下拉列表，可让您设置对象检测或像素分割项目。如果您选择对象检测，标签工具允许您在感兴趣的特征周围绘制矩形框标注。您还可以导入现有的标注文件进行标注。完成标注后，标注工具会自动创建对象检测栅格。然后，您可以继续在标签工具中进行训练。
•      基于掩码的像素分割模型（ENVINet5和ENVINetMulti）必须在进行训练之前显式地进行模型初始化（使用标签工具训练模型除外）。对于对象检测，模型初始化会自动发生，无需任何用户输入。

新的独立工具也可用于对象检测。从ENVI工具箱或Deep Learning Guide Map的菜单栏使用它们：

•      Build Object Detection Raster From Annotation（从标注构建对象检测栅格）
•      Build Object Detection Raster From ROI（从ROI构建对象检测栅格）
•      Postprocess Classification Vector（分类矢量处理）
•      Train TensorFlow Object Model（训练TensorFlow对象模型）
•      TensorFlow Object Classification（TensorFlow对象分类）
•      View Object Detection Raster Labels（查看对象检测栅格标签）

编程

新增如下对象：

名称	描述
ENVIBoundingBoxSet	在对象检测栅格中添加和管理边界框信息，而不是在训练栅格上绘制矩形标注。
ENVIDeepLearningGeoJSONToROI	将带有边界框信息的 GeoJSON转换为感兴趣的多边形区域 (ROIs)。
ENVIDeepLearningROIToGeoJSON	将带有边界框信息的多边形 ROI转换为GeoJSON。
ENVIDeepLearningObjectDetectionRaster	将一个栅格文件构造为一个轻量级的ENVI深度学习栅格，该文件可与ENVI 深度学习中的 ENVITasks一起使用。它包含存储在元数据中的有关边界框的附加 GeoJSON信息。边界框用于对象检测。
ENVITensorFlowObjectModel	创建 TensorFlow 对象检测模型。

新增如下过程/Task：

名称	描述
BuildObjectDetectionRasterFromAnnotation	从输入栅格和感兴趣特征的标注文件构建对象检测栅格。
BuildObjectDetectionRasterFromROI	从输入栅格和感兴趣特征的ROI文件构建对象检测栅格。
PostProcessObjectClassification	优化由 TensorFlowObjectClassification 任务生成的对象分类矢量。
TensorFlowObjectClassification	使用经过训练的对象检测模型对栅格进行分类。
TrainTensorFlowObjectModel	训练用于对象检测的 TensorFlow 模型。

试用方法

访问：www.enviidl.com/eval_license

或微信公众号菜单：申请试用 > ENVI-IDL