Das Werkzeug "Pixel mit Deep Learning klassifizieren" verwendet ein Deep-Learning-Modell, um die Pixel in einem Bilddaten-Layer nach einer definierten Liste mit Beschriftungen für verschiedene Klassen zu klassifizieren.
Die Ausgabe ist ein gehosteter Bilddaten-Layer.
Beispiel
Das Werkzeug "Pixel mit Deep Learning klassifizieren" kann als Eingabe für die Erkennung kategorischer Änderungen zwischen verschiedenen Zeiträumen verwendet werden. Die als Ausgaben erstellten klassifizierten thematischen Bilddaten-Layer können als Eingabe-Bilddaten-Layer zum Messen von Änderungen im Zeitverlauf verwendet werden. Dieses Werkzeug kann beispielsweise zum Erstellen eines thematischen Bilddaten-Layers für die Vororte einer Großstadt und zwei Zeiträume mit dem gleichen Klassifizierungsdesign verwendet werden. Durch Vergleichen der erstellten thematischen Bilddaten-Layer können die Bereichsübergänge zwischen beschrifteten Klassen gemessen und quantifiziert werden.
Verwendungshinweise
"Pixel 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-Layer ist der Bilddaten-Layer oder Layer, der für die Klassifizierung verwendet werden soll. Der ausgewählte Bilddaten-Layer sollte auf den Anforderungen des zum Klassifizieren der Pixel verwendeten Deep-Learning-Modells basieren.
- 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 Pixelklassifizierung ist das Deep-Learning-Modell, das zum Klassifizieren der Pixel verwendet wird. 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.
Ergebnis-Layer
Die Gruppe Ergebnis-Layer enthält die folgenden Parameter:
- Ausgabe-Name gibt den Namen des Layers an, der erstellt und angezeigt 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.
- Ausgabe-Layer-Typ gibt die Art der Raster-Ausgabe an, die erstellt wird. Die Ausgabe kann entweder ein gekachelter Bilddaten-Layer oder ein dynamischer Bilddaten-Layer sein.
- 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:
- Ausgabe-Koordinatensystem
- Geographische Transformationen
- Verarbeitungsausdehnung
Hinweis:
Die standardmäßige Verarbeitungsausdehnung ist Volle Ausdehnung. Diese Standardeinstellung unterscheidet sich von Map Viewer Classic, wo Aktuelle Kartenausdehnung verwenden standardmäßig aktiviert ist.
- Fang-Raster
- Zellengröße
Ausgaben
Die Ausgabe ist ein klassifizierter thematischer Bilddaten-Layer, der auf dem im Deep-Learning-Modell definierten Klassifizierungsschema basiert.
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:
- Pixel mit Deep Learning klassifizieren in ArcGIS REST API
- Funktion "classify_pixels" in ArcGIS API for Python
- Pixel mit Deep Learning klassifizieren in ArcGIS Pro