In diesem Dokument wird die Verwendung des im ArcGIS Living Atlas of the World verfügbaren Deep-Learning-Modells "Pylon Detection – USA" erläutert. Das Modell wird zum Erkennen von Masten und Pfeilern in hochauflösenden Bilddaten verwendet.
Das Erkennen von Masten und Pfeilern ist in verschiedenen Bereichen, darunter der Stadtplanung, dem Verkehrswesen und der öffentlichen Sicherheit, von außerordentlicher Bedeutung. Dieser Erkennungsfunktion kommt eine entscheidende Rolle beim Optimieren des Verkehrsflusses zu: Sie dient der Unfallprävention durch Sicherstellen, dass Verkehrsschilder und Signale gut sichtbar sind, und fungiert als Hilfsmittel bei stadtplanerischen Entscheidungen. Das Erkennen von Masten und Pfeilern trägt ebenso zur öffentlichen Sicherheit bei, da im Rahmen der Strom- und Leitungsmastenüberwachung beschädigte oder umgestürzte Masten umgehend identifiziert werden können. Im Bereich Smart Cities bildet die Mastenerkennung einen Grundbaustein, da so bei der Stadtentwicklung die Gesamteffizienz gesteigert und die datengesteuerte Entscheidungsfindung gefördert werden kann.
Ein mögliches Anwendungsgebiet für die GeoAI-gestützte Mastenerkennung besteht in der Stadtplanung, wodurch moderne Stadtgebiete von höherer Sicherheit, Funktionalität und Nachhaltigkeit profitieren.
Lizenzanforderungen
Für diesen Workflow gelten die folgenden Lizenzanforderungen:
- ArcGIS Desktop: ArcGIS Image Analyst-Erweiterung für ArcGIS Pro
- ArcGIS Enterprise: ArcGIS Image Server
- ArcGIS Online: ArcGIS Image for ArcGIS Online
Modelldetails
Dieses Modell hat die folgenden Merkmale:
- Eingabe: Raster, Mosaik-Dataset oder Image-Service (räumliche Auflösung 60 Zentimeter)
- Ausgabe: Feature-Class mit Rahmen, die Positionen von Masten und Pfeilern darstellen
- Berechnung: Dieser Workflow ist rechenintensiv. Empfohlen wird eine GPU mit mindestens CUDA Compute Capability Version 6.0.
- Eignung für Geographien: Das Modell eignet sich gut für die Vereinigten Staaten.
- Architektur: Das Modell verwendet die in ArcGIS API for Python implementierte Dynamic-RCNN-Modellarchitektur, die auf MMDetection basiert.
- Accuracy-Kennwerte: Das Modell hat einen durchschnittlichen Precision-Score von 0,95.
Zugreifen auf das Modell und Herunterladen des Modells
Laden Sie das vortrainierte Modell Pylon Detection – USA aus dem ArcGIS Living Atlas of the World herunter. Alternativ können Sie direkt über ArcGIS Pro auf das Modell zugreifen oder es in ArcGIS Image for ArcGIS Online verwenden.
- Navigieren Sie zum ArcGIS Living Atlas of the World.
- Melden Sie sich mit Ihren ArcGIS Online-Anmeldedaten an.
- Suchen Sie nach Pylon Detection, und öffnen Sie in den Suchergebnissen die entsprechende Elementseite.
- Klicken Sie auf die Schaltfläche Herunterladen, um das Modell herunterzuladen.
Sie können die heruntergeladene .dlpk-Datei direkt in ArcGIS Pro verwenden oder sie in ArcGIS Enterprise hochladen und dort verwenden. Außerdem können Sie das vortrainierte Modell bei Bedarf optimieren.
Versionshinweise
Es folgen die Versionshinweise:
| Datum | Beschreibung |
|---|---|
| November 2023 | Erste Version von "Pylon Detection – USA" |