图1 SAM 模式应用于区域示例

 02 

DBSCAN算法

图2 DBSCAN – 对点云类别“电线杆”生成的聚类中心点

DBSCAN 是一种基于密度的聚类算法，可将邻近点归为同一对象实例。用户输入目标点云类别后，DBSCAN算法将识别每个实例并在其中心位置生成点。

 03 

支持通过 ONNX 模型集成多种机器学习框架

图3深度学习与 ONNX 模型支持

注：eCognition 与 TensorFlow 模型不再支持 GPU。建议新规则集使用 ONNX 模型。

在之前版本的eCognition中，允许使用在eCognition之外训练的AI模型，但有一个限制，即必须是 TensorFlow 模型。快速扩张的 AI 社区提供了在其他机器学习框架中训练的预训练模型，显然规则集开发人员不希望局限于 TensorFlow。该版本的 eCognition引入了对 ONNX 模型的支持。ONNX 模型是以开放神经网络交换 (ONNX，Open Neural Network Exchange) 格式保存的机器学习模型。ONNX 格式使用户能够导入和运行在不同的机器学习框架（包括 TensorFlow、PyTorch）中训练的模型，而无需专门针对将部署模型的特定平台重新训练它们。

04 

点云编辑工具栏

图4 点云编辑工具栏

在该版本中新增工具栏添加了手动编辑功能，该工具栏允许使用各种模式进行点选择、在 2D 和 3D 视图中对点进行重新分类。将点云数据导入eCognition 后，工具栏将自动打开。

图5 点云分类选项