Skip To Content

Verwenden des Modells

Sie können dieses Modell im Werkzeug Objekte mit Deep Learning erkennen verwenden, das in der Toolbox "Image Analyst" in ArcGIS Pro verfügbar ist.

  1. Laden Sie das Modell herunter, und fügen Sie den Bilddaten-Layer in ArcGIS Pro hinzu.
  2. Fügen Sie Dreiband-Satellitenbilder (räumliche Auflösung 5–20 Zentimeter) hinzu, und zoomen Sie auf einen Interessenbereich.
    Bilddaten im Bereich "Katalog"
  3. Klicken Sie auf die Registerkarte Analyse, und navigieren Sie zu Werkzeuge.
    "Werkzeuge" auf der Registerkarte "Analyse" in ArcGIS Pro
  4. Klicken Sie im Bereich Geoverarbeitung auf Toolboxes, und blenden Sie Image Analyst Tools ein. Wählen Sie unter Deep Learning das Werkzeug Objekte mit Deep Learning erkennen aus.
    Werkzeug "Objekte mit Deep Learning erkennen"
  5. Legen Sie die Variablen auf der Registerkarte Parameter wie folgt fest:
    1. Eingabe-Raster: Wählen Sie die Dreiband-RGB-Bilddaten aus, in denen Fahrzeuge erkannt werden sollen.
    2. Ausgabe-Feature-Class: Legen Sie die Ausgabe-Feature-Class fest, die die erkannten Fahrzeuge enthalten soll.
    3. Modelldefinition (optional): Wählen Sie die .dlpk-Datei des vortrainierten Modells aus.
    4. Modellargumente (optional): Ändern Sie gegebenenfalls die Werte der Argumente.
      • padding: Die Anzahl von Pixeln am Rahmen von Bildkacheln, aus denen Vorhersagen für benachbarte Kacheln verschmolzen werden. Erhöhen Sie den Wert, um die Ausgabe zu glätten und gleichzeitig Artefakte an den Kanten zu reduzieren. Der Maximalwert für Padding ist die Hälfte des Wertes für die Kachelgröße.
      • batch_size: Die Anzahl der in den einzelnen Schritten der Modellinferenz verarbeiteten Kacheln. Dieser Wert hängt vom Speicher der Grafikkarte ab.
      • threshold: Erkennungen, deren Konfidenzwert höher als dieser Schwellenwert ist, sind im Ergebnis enthalten. Zulässige Werte liegen zwischen 0 und 1,0.
      • return_bboxes: Wenn Sie "True" festlegen, wird ein Rahmen um das erkannte Feature zurückgegeben.
      • tile_size: Die Breite und Höhe der Bildkacheln, in die die Bilddaten für Vorhersagen unterteilt werden
    5. Non Maximum Suppression: Aktivieren Sie optional das Kontrollkästchen, um die überlappenden Features mit niedrigerem Konfidenzwert zu entfernen.

      Wenn Sie das Kontrollkästchen aktiviert haben, führen Sie die folgenden Schritte aus:

      • Legen Sie Feld für die Konfidenzpunktzahl fest.
      • Legen Sie Klassenwertefeld fest (optional).
      • Legen Sie Maximale Überlappungsrate fest (optional).
    Parameter des Werkzeugs "Objekte mit Deep Learning erkennen"
  6. Legen Sie die Variablen auf der Registerkarte Umgebungen wie folgt fest:
    1. Verarbeitungsausdehnung: Wählen Sie "Aktuelle Anzeigeausdehnung" oder eine andere Option aus dem Dropdown-Menü aus.
    2. Zellengröße: Legen Sie den Wert auf 0,1 fest.

      Die erwartete Raster-Auflösung ist 5–20 Zentimeter.

    3. Prozessortyp: Wählen Sie nach Bedarf CPU oder GPU aus.

      Wenn eine GPU verfügbar ist, wird empfohlen, die Option GPU auszuwählen und GPU-ID auf die zu verwendende GPU festzulegen.

    Umgebungseinstellungen für "Objekte mit Deep Learning erkennen"
  7. Klicken Sie auf Ausführen.

    Wenn die Verarbeitung abgeschlossen ist, wird der Ausgabe-Layer der Karte hinzugefügt.

    Ergebnisse des Werkzeugs zum Erkennen von Fahrzeugen