Sie können dieses Modell im Werkzeug Objekte mit Deep Learning erkennen verwenden, das in der Toolbox "ArcGIS Image Analyst" in ArcGIS Pro verfügbar ist.
- Laden Sie das Modell Ship Detection (RGB) herunter, und fügen Sie den Bilddaten-Layer in ArcGIS Pro hinzu.
- Fügen Sie Dreiband-Satellitenbilder (räumliche Auflösung 30 Zentimeter) hinzu, und zoomen Sie auf einen Interessenbereich.
- Klicken Sie auf die Registerkarte Analyse, und navigieren Sie zu Werkzeuge.
- 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.
- Legen Sie die Variablen auf der Registerkarte Parameter wie folgt fest:
- Eingabe-Raster: Wählen Sie die Dreiband-RGB-Bilddaten aus.
- Ausgabe-Feature-Class: Legen Sie den Ausgabe-Feature-Layer fest, der die Polygone enthält, die die in den Eingabebilddaten erkannten Schiffe darstellen.
- Modelldefinition: Wählen Sie die .dlpk-Datei des vortrainierten Modells aus.
- Modellargumente: Ändern Sie optional 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: Diese Einstellung kann auf "True" festgelegt werden, damit Rahmen zurückgegeben werden.
- tile_size: Die Breite und Höhe der Bildkacheln, in die die Bilddaten für Vorhersagen unterteilt werden
- test_time_augmentation: Führt beim Erstellen von Vorhersagen Test-Time Augmentation durch. Es handelt sich um eine Methode, mit der die Robustheit und Genauigkeit von Modellvorhersagen erhöht wird. Dabei werden während der Inferenzierung verschiedene Datenaugmentierungsverfahren angewendet, was bedeutet, dass mehrere, jeweils geringfügig abgeänderte Versionen der Testdaten generiert und die Vorhersagen aggregiert werden. Wenn "True" festgelegt ist, werden Vorhersagen für gekippte und gedrehte Varianten des Eingabebildes in der endgültigen Ausgabe zusammengeführt, und die jeweiligen Konfidenzwerte werden gemittelt. Dies kann dazu führen, dass die Konfidenz für Objekte, die nur in wenigen Bildvarianten erkannt werden, unter den Schwellenwert fällt.
- merge_policy: Richtlinie für das Zusammenführen von Vorhersagen, auf die Augmentierung angewendet wurde. Die verfügbaren Optionen lauten "mean", "max" und "min". Dies ist nur bei Verwendung von Test-Time Augmentation anwendbar.
- 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 optional das Klassenwertefeld fest.
- Legen Sie optional Max. Überlappungsrate fest.
- Legen Sie die Variablen auf der Registerkarte Umgebungen wie folgt fest:
- Verarbeitungsausdehnung: Wählen Sie Aktuelle Anzeigeausdehnung oder eine andere Option aus dem Dropdown-Menü aus.
- Zellengröße: Legen Sie den Wert auf 0,3 fest.
Die erwartete Raster-Auflösung ist 30 Zentimeter.
- 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.
- Klicken Sie auf Ausführen.
Der Ausgabe-Layer wird der Karte hinzugefügt.
- Führen Sie zum Glätten der Polygone die folgenden Schritte aus:
- Klicken Sie im Bereich Geoverarbeitung auf die Registerkarte Toolboxes, blenden Sie Cartography Tools ein, und navigieren Sie unter Generalisierung zum Werkzeug Polygon glätten.
- Legen Sie die Variablen auf der Registerkarte Parameter wie folgt fest:
- Eingabe-Features: Geben Sie hier als Eingabe die in den vorherigen Schritten generierte Ausgabe des Werkzeugs Objekte mit Deep Learning erkennen an.
- Glättungstoleranz: Geben Sie die vom Algorithmus PAEK (Polynomial Approximation with Exponential Kernel, Polynomiale Approximation mit exponentiellem Kernel) verwendete Toleranz an. Der Wert muss größer als Null sein. Sie können eine bevorzugte Einheit auswählen. Standardmäßig wird die Feature-Einheit verwendet.
- Klicken Sie auf Ausführen.
Der Ausgabe-Layer wird der Karte hinzugefügt.
- Klicken Sie im Bereich Geoverarbeitung auf die Registerkarte Toolboxes, blenden Sie Cartography Tools ein, und navigieren Sie unter Generalisierung zum Werkzeug Polygon glätten.