Beschriftung | Erläuterung | Datentyp |
Eingabe-Trainingsdaten | Die Trainingsdaten für die Punktwolken-Objekterkennung (*.pcotd-Datei), mit denen das Modell trainiert wird. | File |
Speicherort des Ausgabemodells | Ein vorhandener Ordner, in dem das neue Verzeichnis mit dem Deep-Learning-Modell gespeichert wird. | Folder |
Name des Ausgabemodells | Der Name der ausgegebenen Esri Modelldefinitionsdatei (*.emd), des Deep-Learning-Pakets (*.dlpk) und des Verzeichnisses, das zur Speicherung der Dateien erstellt wird. | String |
Definitionsdatei des vortrainierten Modells (optional) | Das vortrainierte Objekterkennungsmodell, das optimiert wird. Wird ein vortrainiertes Modell angegeben, müssen die Eingabe-Trainingsdaten dieselben Angaben für Attribute und maximale Anzahl an Punkten aufweisen wie die Trainingsdaten, aus denen das Modell erstellt wurde. | File |
Architektur (optional) | Gibt die Architektur an, die zum Trainieren des Modells verwendet wird.
| String |
Attributauswahl (optional) | Gibt die Punktattribute an, die beim Trainieren des Modells zusammen mit den Klassifizierungscodes verwendet werden. Nur die Attribute, die in den Punktwolken-Trainingsdaten vorhanden sind, stehen zur Verfügung. Standardmäßig werden keine zusätzlichen Attribute einbezogen.
| String |
Minimale Anzahl an Punkten pro Block (optional) | Die minimale Anzahl an Punkten, die in einem bestimmten Block vorhanden sein müssen, damit er beim Modelltraining verwendet wird. Die Standardeinstellung ist 0. | Long |
Objektcodes neu zuordnen (optional) | Definiert, wie Objektcodes vor dem Training des Deep-Learning-Modells neuen Werten neu zugeordnet werden.
| Value Table |
Relevante Objektcodes (optional) | Die Objektcodes, die zum Filtern der Objekte in den Trainingsdaten verwendet werden. Wenn Objektcodes angegeben werden, werden die nicht enthaltenen Objekte ignoriert. | Long |
Nur Blöcke trainieren, die Objekte enthalten (optional) | Gibt an, ob das Modell nur mit Blöcken trainiert wird, die Objekte enthalten, oder mit allen Blöcken, also auch solchen, die keine Objekte enthalten.
| Boolean |
Objektbeschreibungen (optional) | Die Beschreibungen für jeden Objektcode in den Trainingsdaten.
| Value Table |
Kriterien für die Modellauswahl (optional) | Gibt die statistische Grundlage für die Bestimmung des finalen Modells an.
| String |
Maximale Anzahl an Epochen (optional) | Gibt an, wie oft der Datenblock vorwärts und rückwärts durch das neuronale Netzwerk geleitet wird. Die Standardeinstellung ist 25. | Long |
Lernratenstrategie (optional) | Gibt an, wie sich die Lernrate während des Trainings verändert.
| String |
Lernrate (optional) | Die Rate, mit der vorhandene Informationen durch neu erworbene Informationen überschrieben werden. Ist kein Wert angegeben, wird die optimale Lernrate während des Trainingsprozesses aus der Lernkurve extrahiert. Dies ist die Standardeinstellung. | Double |
Batch-Größe (optional) | Die Anzahl an Trainingsdatenblöcken, die jeweils zu einem bestimmten Zeitpunkt verarbeitet werden. Die Standardeinstellung ist 2. | Long |
Training beenden, wenn sich das Modell nicht mehr verbessert (optional) | Gibt an, ob das Modelltraining beendet wird, wenn der im Parameter Kriterien für die Modellauswahl angegebene Kennwert nach fünf aufeinanderfolgenden Epochen keine weitere Verbesserung registriert.
| Boolean |
Architektureinstellungen (optional) | Die Architektureinstellungen können geändert werden, um die Trainingsergebnisse zu verbessern.
| Value Table |
Abgeleitete Ausgabe
Beschriftung | Erläuterung | Datentyp |
Ausgabemodell | Das Ausgabe-Objekterkennungsmodell, das erzeugt wird. | File |
Ausgabe-Epochenstatistiken | Die Ausgabe-ASCII-Tabelle, die die Epochenstatistiken enthält, die während des Trainingsprozesses abgerufen wurden. | Text File |