La herramienta Detectar objetos con aprendizaje profundo utiliza un modelo de aprendizaje profundo para identificar y localizar objetos en una capa de imágenes.
La salida es una capa de entidades alojada.
Ejemplos
A continuación se citan algunos ejemplos de uso de esta herramienta:
- Identificar huellas de edificios a fin de actualizar los datos fiscales de las propiedades para un grupo de respuesta ante emergencias regional o del gobierno local. La capa de salida de la herramienta es una capa de entidades que puede identificar los edificios de un área. La capa de entidades creada se puede utilizar para hacer coincidir los registros de la propiedad existentes con el fin de registrar la huella de edificio actual de la propiedad.
- Identificar automóviles en un aparcamiento a fin de contar la asistencia y preparar encuestas de tráfico. La capa de entidades creada se puede utilizar en la herramienta Clasificar objetos con aprendizaje profundo para clasificar el tipo de automóvil detectado.
Notas de uso
La herramienta Detectar objetos con aprendizaje profundo cuenta con configuraciones para las capas de entrada, configuración del modelo y capa de resultados.
Capa de entrada
El grupo Capa de entrada incluye los siguientes parámetros:
- Capa de imágenes o capa de entidades de entrada es la capa de imágenes o la capa de entidades con adjuntos que se utilizará para detectar los objetos identificados en el modelo de aprendizaje profundo. La capa de imágenes seleccionada debe basarse en los requisitos del modelo de aprendizaje profundo que se usará para clasificar los píxeles.
- Modo de procesamiento especifica cómo se procesarán los elementos de ráster de la capa de imágenes. Las opciones son las siguientes:
- Procesar como imagen en mosaico: se creará un mosaico con todos los elementos de ráster del dataset de mosaico o del servicio de imágenes y se procesarán. Esta es la opción predeterminada.
- Procesar todos los elementos de ráster por separado: todos los elementos de ráster del dataset de mosaico o del servicio de imágenes se procesarán como imágenes separadas.
Configuración del modelo
El grupo Configuración del modelo incluye los siguientes parámetros:
- Modelo para la detección de objetos es el modelo de aprendizaje profundo que se utilizará para detectar los objetos. El modelo de aprendizaje profundo debe estar ubicado en ArcGIS Online para poder seleccionarlo en la herramienta. Puede seleccionar su propio modelo, un modelo disponible públicamente en ArcGIS Online o un modelo de ArcGIS Living Atlas of the World.
- Argumentos de modelo especifica los argumentos de función definidos en la clase de función ráster de Python. Se enumeran argumentos y parámetros de aprendizaje profundo adicionales para experimentos y refinamiento, como un umbral de confianza para ajustar la sensibilidad. Los nombres de los argumentos se toman del módulo de Python.
- Supresión no máxima (NMS) especifica si se realizará una supresión no máxima para eliminar los objetos duplicados que se identifiquen en función de los valores de confianza.
- Campo de puntuación de confianza es el nombre de campo que registrará las puntuaciones de confianza creadas como salida por el método de detección de objetos. Este parámetro está disponible si se habilita Supresión no máxima (NMS).
- Campo de valor de clase es el campo de la capa de entidades de salida que contendrá el valor de la capa de imágenes de entrada. Si no se especifica ningún valor, se utilizan los campos de valor de clase estándar Classvalue y Value. Si estos campos no existen, todas las entidades se tratan como la misma clase de objeto. Este parámetro está disponible si se habilita Supresión no máxima (NMS).
- Máx. ratio de superposición especifica el ratio del área de intersección sobre el área de combinación para dos entidades superpuestas. El valor predeterminado es 0. Este parámetro está disponible si se habilita Supresión no máxima (NMS).
Capa de resultados
El grupo Capa de resultados incluye los siguientes parámetros:
- Nombre de salida especifica el nombre de la capa que se crea y se visualiza. El nombre debe ser único. Si ya existe una capa con el mismo nombre en su organización, la herramienta fallará y se le pedirá que utilice otro nombre.
- Guardar en carpeta especifica el nombre de una carpeta de Mi contenido en la que se guardará el resultado.
Entornos
La configuración del entorno de análisis cuenta con parámetros adicionales que afectan a los resultados de una herramienta. Puede acceder a la configuración del entorno de análisis de la herramienta desde el grupo de parámetros Configuración del entorno.
Esta herramienta respeta estos entornos de análisis:
- Sistema de coordenadas de salida
- Transformaciones geográficas
- Extensión de procesamiento
Nota:
La extensión de procesamiento predeterminada en Extensión completa. Este valor predeterminado es diferente de Map Viewer Classic, en donde Usar extensión de mapa actual está habilitado de forma predeterminada.
- Tamaño de celda
- Máscara
Créditos
Esta herramienta consume créditos.
Utilice Estimar los créditos para calcular el número de créditos que se necesitarán para ejecutar la herramienta. Para obtener más información, consulte Comprender los créditos para el análisis espacial.
Salidas
La salida es una capa de entidades con cada objeto detectado como una entidad individual con el valor de clase y campos de confianza agregados.
Requisitos de uso
Esta herramienta requiere los siguientes tipos de usuario y configuraciones:
- Tipo de usuario Professional o Professional Plus
- Rol de publicador, moderador o administrador, o rol personalizado equivalente con el privilegio Análisis de imágenes
Recursos
Utilice los recursos siguientes para más información:
- Detectar objetos con aprendizaje profundo en API REST de ArcGIS
- Función detect_objects en ArcGIS API for Python
- Clasificar objetos con aprendizaje profundo en ArcGIS Online
- Detectar objetos con aprendizaje profundo en ArcGIS Pro