Etiqueta | Explicación | Tipo de datos |
Datos de entrenamiento de entrada | Los datos de entrenamiento de detección de objetos de nubes de puntos (archivo *.pcotd) que se utilizarán para entrenar el modelo. | File |
Ubicación de modelo de salida | Una carpeta existente que almacenará el nuevo directorio que contiene el modelo de aprendizaje profundo. | Folder |
Nombre de modelo de salida | El nombre del archivo de definición de modelo de Esri de salida (*.emd), el paquete de aprendizaje profundo (*.dlpk) y el directorio que se creará para almacenarlos. | String |
Archivo de definición de modelo preentrenado (Opcional) | El modelo de detección de objetos preentrenado que se perfeccionará. Si se proporciona un modelo preentrenado, los datos de entrenamiento de entrada deben tener los mismos atributos y número máximo de puntos utilizados por los datos de entrenamiento que generaron el modelo. | File |
Architecture (Opcional) | Especifica la arquitectura que se utilizará para entrenar el modelo.
| String |
Selección de atributos (Opcional) | Especifica los atributos de punto que se utilizarán con el código de clasificación al entrenar el modelo. Solo estarán disponibles los atributos presentes en los datos de entrenamiento de la nube de puntos. No se incluye de forma predeterminada ningún atributo adicional.
| String |
Puntos mínimos por bloque (Opcional) | El número mínimo de puntos que deben estar presentes en un bloque determinado para que se utilice en el entrenamiento del modelo. El valor predeterminado es 0. | Long |
Reasignar códigos de objetos (Opcional) | Define cómo se reasignarán los códigos de objetos a nuevos valores antes de entrenar el modelo de aprendizaje profundo.
| Value Table |
Códigos de objetos de interés (Opcional) | Los códigos de objeto que se utilizarán para filtrar los objetos en los datos de entrenamiento. Cuando se proporcionan códigos de objeto, los objetos que no estén incluidos se ignorarán. | Long |
Entrenar solo bloques que contengan objetos (Opcional) | Especifica si el modelo se entrenará utilizando solo bloques que contienen objetos o todos los bloques, incluidos aquellos que no contienen objetos.
| Boolean |
Descripciones de objetos (Opcional) | Las descripciones de cada código de objeto en los datos de entrenamiento.
| Value Table |
Criterios de selección de modelo (Opcional) | Especifica la base estadística que se utilizará para determinar el modelo final.
| String |
Número máximo de épocas (Opcional) | El número de veces que cada bloque de datos se transmitirá hacia delante y hacia atrás a través de la red neuronal. El valor predeterminado es 25. | Long |
Estrategia de índice de aprendizaje (Opcional) | Especifica cómo se modificará el índice de aprendizaje durante el entrenamiento.
| String |
Tasa de aprendizaje (Opcional) | La velocidad a la que se sobrescribirá la información existente con nueva información. Si no se proporciona ningún valor, la tasa de aprendizaje óptima se extraerá de la curva de aprendizaje durante el proceso de entrenamiento. Esta es la opción predeterminada. | Double |
Tamaño de lote (Opcional) | El número de bloques de datos de entrenamiento que se procesarán en un momento dado. El valor predeterminado es 2. | Long |
Detener entrenamiento cuando el modelo ya no mejore (Opcional) | Especifica si el entrenamiento del modelo se detendrá cuando la métrica especificada en el parámetro Criterios de selección de modelo no registre ninguna mejora tras cinco épocas consecutivas.
| Boolean |
Ajustes de arquitectura (Opcional) | Los ajustes de arquitectura que se pueden modificar para mejorar los resultados del entrenamiento.
| Value Table |
Salida derivada
Etiqueta | Explicación | Tipo de datos |
Modelo de salida | El modelo de detección de objetos de salida que se produce. | File |
Resultados estadísticos de cada época | La tabla ASCII de salida que contiene las estadísticas de época que se obtuvieron durante el proceso de entrenamiento. | Text File |