Objekte mit Deep Learning klassifizieren (Map Viewer)

Das Werkzeug "Objekte mit Deep Learning klassifizieren" führt ein Deep-Learning-Modell für einen Bilddaten-Layer aus, um einen Feature-Layer oder eine Tabelle zu erzeugen, in der alle Eingabeobjekte klassifiziert sind.

Die Ausgabe ist ein gehosteter Feature-Layer.

Beispiele

Das Werkzeug kann beispielsweise in den folgenden Szenarien verwendet werden:

  • Bewertung beschädigter Gebäude nach einer Naturkatastrophe. Mit einem Feature-Layer der Gebäude-Footprints und einem Bilddaten-Layer, der die beschädigten Bereiche anzeigt, kann das Werkzeug Aufschluss darüber geben, ob die vorhandenen Gebäude beschädigt wurden.
  • Informationen zum Zustand der Baumkronen vorhandener Bäume erhalten. Mit einem Feature-Layer der Baumkronen und einem Bilddaten-Layer, der die aktuellen Baumkronen anzeigt, kann das Werkzeug Aufschluss darüber geben, ob die vorhandenen Bäume gesund sind oder unter Stress stehen.

Verwendungshinweise

"Objekte mit Deep Learning klassifizieren" enthält Konfigurationen für Eingabe-Layer, Modelleinstellungen und den Ergebnis-Layer.

Eingabe-Layer

Die Gruppe Eingabe-Layer enthält die folgenden Parameter:

  • Eingabe-Bilddaten-Layer oder -Feature-Layer ist der Bilddaten-Layer bzw. sind die Layer, die zum Klassifizieren von Objekten verwendet werden. Der ausgewählte Bilddaten-Layer sollte auf den Anforderungen des zum Klassifizieren der Objekte verwendeten Deep-Learning-Modells basieren. Der Bilddaten-Layer kann multidimensional sein oder eine Bildsammlung darstellen.
  • Eingabe-Feature-Layer enthalten die Features, die die zu klassifizierenden Positionen angeben. Jede Zeile im Eingabe-Feature-Layer repräsentiert ein einzelnes Objekt. Wenn kein Eingabe-Feature-Layer angegeben ist, wird angenommen, dass jedes Eingabebild ein einzelnes zu klassifizierendes Objekt enthält.
  • Verarbeitungsmodus gibt an, wie die Raster-Elemente im Bilddaten-Layer verarbeitet werden sollen. Die folgenden Optionen sind verfügbar:
    • Als mosaikiertes Bild verarbeiten: Alle Raster-Elemente im Mosaik-Dataset oder Image-Service werden zusammen mosaikiert und verarbeitet. Dies ist die Standardeinstellung.
    • Alle Raster-Elemente separat verarbeiten: Alle Raster-Elemente im Mosaik-Dataset oder Image-Service werden als separate Bilder verarbeitet.

Modelleinstellungen

Die Gruppe Modelleinstellungen enthält die folgenden Parameter:

  • Modell für die Objektklassifizierung ist das zum Klassifizieren der Objekte verwendete Deep-Learning-Modell. Das Deep-Learning-Modell muss sich in ArcGIS Online befinden, damit es im Werkzeug ausgewählt werden kann. Sie können ein eigenes Modell, ein öffentlich in ArcGIS Online verfügbares Modell oder ein Modell im ArcGIS Living Atlas of the World auswählen.
  • Modellargumente gibt die in der Python-Raster-Funktionsklasse definierten Funktionsargumente an. Es werden zusätzliche Deep-Learning-Parameter und Argumente für Experimente und Verfeinerungen wie den Konfidenzschwellenwert zur Anpassung der Empfindlichkeit angegeben. Die Namen der Argumente werden durch das Python-Modul aufgefüllt.
  • Feldname für die Beschriftung der Ausgabeklasse ist der Name des Feldes für die Klassifizierungsbeschriftung im gehosteten Ausgabe-Feature-Layer oder der Ausgabetabelle.

Ergebnis-Layer

Die Gruppe Ergebnis-Layer enthält die folgenden Parameter:

  • Ausgabe-Name gibt den Namen des Layers an, der erstellt und der Karte hinzugefügt wird. Der Name muss eindeutig sein. Wenn in der Organisation bereits ein Layer mit dem gleichen Namen vorhanden ist, tritt ein Fehler auf, und Sie werden aufgefordert, einen anderen Namen zu verwenden.
  • In Ordner speichern gibt den Namen eines Ordners in Eigene Inhalte an, in dem das Ergebnis gespeichert wird.

Umgebungen

Umgebungseinstellungen für die Analyse sind zusätzliche Parameter, mit denen die Ergebnisse eines Werkzeugs beeinflusst werden können. Sie können über die Parametergruppe Umgebungseinstellungen auf die Umgebungseinstellungen des Werkzeugs für die Analyse zugreifen.

Dieses Werkzeug berücksichtigt die folgenden Analyseumgebungen:

Credits

Dieses Werkzeug verbraucht Credits.

Verwenden Sie Credit-Anzahl schätzen, um die Anzahl der Credits zu berechnen, die zum Ausführen des Werkzeugs erforderlich sind. Weitere Informationen finden Sie unter Informationen zu Credits für räumliche Analysen.

Ausgaben

Das Werkzeug umfasst die folgenden Ausgaben:

  • Ein gehosteter Feature-Layer mit den basierend auf der vom Deep-Learning-Modell vorgenommenen Klassifizierung beschrifteten Objekten oder Features
  • Eine Tabelle mit den basierend auf der vom Deep-Learning-Modell vorgenommenen Klassifizierung beschrifteten Positionen

Anforderungen für die Verwendung

Für dieses Werkzeug werden der folgende Benutzertyp und die folgenden Konfigurationen benötigt:

  • Benutzertyp Professional oder Professional Plus
  • Publisher-, Vermittler- oder Administratorrolle oder eine entsprechende benutzerdefinierte Rolle mit der Berechtigung "Bilddatenanalyse"

Ressourcen

Weitere Informationen finden Sie in den folgenden Quellen: