Global Mapper Insight and Learning Engine™（测试版）在Global Mapper Pro v26.0 的分析工具扩展
在Global Mapper Pro的V26.0更新中，引人注目的功能是全新推出的Global Mapper Insight and Learning Engine™（测试版），这是一个基于深度学习的图像分析工具集。该版本还引入了全新的太阳能分析工具，能够对3D数据进行分析并计算区域的日照和阴影随时间的变化。同时，基于机器学习的自动点云分析工具也得到了诸多改进，支持自定义训练和分类。摄影测量分析也有了进一步的发展，Pixels to Points工具的工作流程和处理速度都进行了优化。
Global Mapper Insight and Learning Engine™（测试版）为Global Mapper引入了深度学习分析。所有Global Mapper Pro v26用户都可以通过“深度学习”工具栏和菜单访问这些功能，包括多种自动栅格分析工具。这一全新的工具集提供了土地覆盖分类、车辆识别和建筑提取的训练模型。用户还可以通过微调选项重新训练模型的某些层，以提高特定数据集的分析结果。
拥有Global Mapper Pro v26.0有效许可证的用户可以在下个版本发布之前（通常在2月底）使用这些工具。别担心，深度学习工具将在下个版本中继续可用，届时您只需更新到新版本即可继续使用这些工具，并探索我们正在开发的其他功能！
土地覆盖分类
Global Mapper的土地覆盖分类（LCC）工具允许用户自行进行土地覆盖分析。与现有的公共数据集（通常为区域或全球范围的数据）相比，该工具能够处理更高分辨率的源数据，从而为用户的特定区域生成更高精度和分辨率的产品。
目标Detection
目标Detection是指识别图像中的离散物体。目前，Global Mapper Insight and Learning Engine提供两种类型的目标Detection模型：车辆和建筑。通过对高分辨率航空和卫星图像进行训练，车辆Detection方法能够通过矢量边界框识别图像中的车辆。建筑识别则生成建筑物的矢量边界和二进制栅格掩码。
微调与训练
这些新工具中强大的功能之一是微调和重新训练内置模型的能力。Global Mapper Insight and Learning Engine（测试版）允许用户微调和重新训练模型。用户可以导入或手动创建与样本图像相关的地面实况数据，并运行微调过程，从而根据这些数据创建用于未来分析的自定义模型。微调功能让用户可以控制模型调整的深度，而完 全训练则调整整个模型。
太阳能分析
Global Mapper Pro现在可以基于地形、3D矢量和网格特征来计算阴影的百分比和覆盖面积。了解地形和表面特征对景观的影响适用于农业、城市规划以及商业和住宅太阳能应用等各种场景。该工具能够计算给定区域的阴影掩码和阴影覆盖百分比，并可以考虑时间范围、高度以及生成用于动画图层工具的输出动画图层。
自动点云分析
此次发布包含了自动点云分析工具的多项更新。Global Mapper Pro的这一前沿工具曾在2024年LiDAR领导奖中荣获“LiDAR杰出创新奖”。在v26.0版本中，自动点云分析工具的进一步改进使Global Mapper Pro成为LiDAR和点云工作流程的甄选解决方案。
模型关键点识别
模型关键点识别是用于减少数据集大小（点数量和文件大小）的重要过程，同时保留数据的重要结构特性。关键点通常在传统地理空间应用之外的后续分析中使用，例如CAD环境或游戏和模拟场景。
自定义训练分类模型的保存与共享
在v25.0中，Global Mapper Pro引入了为自动点云分析工具训练自定义点云分类模型的功能。基于分割和自定义特征模型创建的这一分析在v26.0版本中得到了进一步改进，新增了保存和加载训练分类模型的选项。用户现在可以保存训练好的分类模型文件，并与其他计算机或Global Mapper用户共享该文件。
Pixels to Points工具更新
对于使用无人机采集数据的Global Mapper Pro用户，Pixels to Points是一款极其有价值的工具。随着无人机从Pro到消费级的普及，图像采集变得更加便捷，派生产品的价值也日益提高。摄影测量分析对许多工作流程很重要，并具有广泛的应用。在v26版本中，Global Mapper Pro进一步扩展了这一强大的工具，增强了自动地面控制点（GCP）的放置功能，并继续提速。
自动地面控制点放置的改进
自动GCP放置功能是v25.1版本Pixels to Points工具的一项重要新增功能。自然地，我们在Global Mapper Pro v26.0中进一步改进了这项流程。该工具在极端地形场景下的识别过程得到了进一步优化，非标准目标现在更容易识别，改进的评分机制使得在一张图像中可能存在多个目标时的放置更加准确。
提速
由于摄影测量处理和分析的计算密集性，这些任务通常耗时较长。我们进一步优化了处理管道，提高了CPU和GPU的处理性能。我们自豪地宣布，这一版本的工具在某些场景下的处理速度较前一版本提升了50%以上。
