ENVI深度學習1.2版本正式釋出，適配ENVI 5.6.1。ENVI深度學習1.2增加了一項重大改進，一種全新的深度學習型別：物件檢測。

系統要求

ENVI深度學習1.2使用TensorFlow 2.4 和 CUDA 11，這兩者均已包含在安裝包中。ENVI深度學習對軟硬體有一定的要求，具體如下：

• NVIDIA 顯示卡驅動版本要求460.x或更高。下載地址：https://www.nvidia.com/Download/index.aspx?lang=en-us
• NVIDIA顯示卡CUDA計算能力（Compute Capability）要求 3.5 到 8.6。查詢網址：https://developer.nvidia.com/cuda-gpus
• 具有高階向量擴充套件AVX (Advanced Vector Extensions)指令集的CPU。一般來說，2011年以後的任何CPU都會包含這個指令集。

可通過下面方法測試系統是否滿足ENVI深度學習的環境要求。在ENVI工具箱中，啟動/Deep Learning/Deep Learning Guide Map

為了獲得最佳效能，建議視訊記憶體最少8GB，尤其是訓練模型時。

新功能

ENVI深度學習1.2提供了訓練和分類物件檢測模型的能力。物件檢測可用於定位具有相似空間、光譜和紋理特徵的目標。之前版本的ENVI深度學習僅在逐個畫素的基礎上定位特徵（稱為畫素分割）。物件檢測是ENVI深度學習1.2版本的新增功能。與畫素分割不同，物件檢測可用於提取接觸或重疊的物件。ENVI深度學習使用RetinaNet卷積神經網路 (CNN) 進行物件檢測。

下圖顯示了使用物件檢測來定位船舶的示例。紅色邊界框標記了船隻的位置。

物件檢測涉及以下步驟：

1. 通過在它們周圍繪製邊界框來標記一幅或多幅影象中的特徵。邊界框可以採用矩形標註或多邊形感興趣區域(ROIs)的形式。

2. 將標記的影象（稱為物件檢測柵格）傳遞給訓練器。結果是一個HDF5格式的訓練模型。

3. 使用經過訓練的模型對相同或其他柵格進行分類。結果是圍繞已識別特徵繪製的一組邊界框。每個邊界框屬於一個特定的類。

ENVI深度學習1.2包含了許多改進以支援物件檢測：

•      Deep Learning Guide Map提供了標記、訓練和分類物件檢測模型的嚮導。
•      Deep Learning Labeling Tool有一個新的 Project Type下拉列表，可讓您設定物件檢測或畫素分割專案。如果您選擇物件檢測，標籤工具允許您在感興趣的特徵周圍繪製矩形框標註。您還可以匯入現有的標註檔案進行標註。完成標註後，標註工具會自動建立物件檢測柵格。然後，您可以繼續在標籤工具中進行訓練。
•      基於掩碼的畫素分割模型（ENVINet5和ENVINetMulti）必須在進行訓練之前顯式地進行模型初始化（使用標籤工具訓練模型除外）。對於物件檢測，模型初始化會自動發生，無需任何使用者輸入。

新的獨立工具也可用於物件檢測。從ENVI工具箱或Deep Learning Guide Map的選單欄使用它們：

•      Build Object Detection Raster From Annotation（從標註構建物件檢測柵格）
•      Build Object Detection Raster From ROI（從ROI構建物件檢測柵格）
•      Postprocess Classification Vector（分類向量處理）
•      Train TensorFlow Object Model（訓練TensorFlow物件模型）
•      TensorFlow Object Classification（TensorFlow物件分類）
•      View Object Detection Raster Labels（檢視物件檢測柵格標籤）

程式設計

新增如下物件：

新增如下過程/Task：

試用方法

訪問：www.enviidl.com/eval_license

或微信公眾號選單：申請試用 > ENVI-IDL