Detectar objetos con aprendizaje profundo

Detectar objetos con aprendizaje profundo La herramienta Detectar objetos con aprendizaje profundo ejecuta un modelo de aprendizaje profundo entrenado en un ráster de entrada para generar una clase de entidad con los objetos que encuentre. Las entidades pueden ser polígonos alrededor de los objetos encontrados o puntos en el centro de los objetos encontrados.

Nota:

This functionality is currently only supported in Map Viewer Classic. It will be available in a future release of Visor de mapas.

If you do not see this tool in Map Viewer Classic, contact your organization administrator. You may not have image analysis privileges, available with the ArcGIS Image for ArcGIS Online license.

Diagrama de flujo de trabajo

Flujo de trabajo de Detectar objetos con aprendizaje profundo

Ejemplos

  • Partiendo de una imagen de un vecindario, detecte la ubicación de cada tejado con un panel solar.
  • Dada una imagen del área silvestre en el norte de Canadá, detecte la ubicación de cada lago glacial.

Notas de uso

El modelo de aprendizaje profundo de entrada de esta herramienta debe ser un elemento de paquete de aprendizaje profundo (.dlpk) almacenado en su portal. Puede generar un elemento de .dlpk con la herramienta de geoprocesamiento Entrenar un modelo de aprendizaje profundo en ArcGIS Pro o la herramienta de análisis de ráster de API REST de ArcGIS.

El elemento de .dlpk de entrada debe incluir un archivo de definición de modelo de Esri (.emd). Consulte a continuación el archivo .emd de muestra.

{
    "Framework" :"TensorFlow",
    "ModelConfiguration": "ObjectDetectionAPI",
    
    "ModelFile": ".\\CoconutTreeDetection.model",
    "ModelType": "ObjectDetection",
    "ImageHeight": 850,
    "ImageWidth": 850,
    "ExtractBands": [0,1,2],
    "ImageSpaceUsed": "MAP_SPACE"
    "Classes": [
    {
        "Value": 0,
        "Name": "CoconutTree",
        "Color": [0, 255, 0]
    }
    ]
}

Marque la casilla para activar Supresión no máxima y así identificar y eliminar entidades duplicadas de la detección de objetos.

If Use current map extent is checked, only the pixels that are visible in the current map extent will be analyzed. If unchecked, the entire input imagery layer will be analyzed.

The parameters for this tool are listed in the following table:

ParámetroExplicación
Elegir la imagen utilizada para detectar objetos

La imagen de entrada que se utilizará para clasificar objetos.

Elegir el modelo de aprendizaje profundo utilizado para detectar objetos

El elemento del paquete de aprendizaje profundo de entrada (.dlpk).

El paquete de aprendizaje profundo contenía el archivo JSON de definición de modelo de Esri (.emd), el archivo de modelo binario de aprendizaje profundo y, opcionalmente, la función ráster de Python que se debe utilizar.

Especificar los argumentos del modelo de aprendizaje profundo

Los argumentos de función se definen en la función ráster de Python a la que el modelo de entrada hace referencia. Aquí es donde enumera los argumentos y parámetros de aprendizaje profundo adicionales para refinamiento, como un umbral de confianza para ajustar la sensibilidad.

La herramienta rellena los nombres de los argumentos a partir de la lectura del módulo de Python.

Eliminar entidades duplicadas de la salida (opcional)

Especifica si se realizará la supresión no máxima, en la cual se identifican los objetos encontrados duplicados y si se elimina la entidad duplicada con el valor de confianza más bajo.

  • Desactivado: todos los objetos detectados estarán en la clase de entidad de salida. Esta es la opción predeterminada.
  • Activado: los objetos duplicados detectados se eliminarán.

Campo de puntuación de confianza

El campo del servicio de entidades que contendrá las puntuaciones de confianza generadas por el método de detección de objetos.

Este parámetro es obligatorio cuando está activado el parámetro Supresión no máxima.

Campo de valor de clase

El campo de valor de clase del servicio de entidades de salida. Si no se especifica, la herramienta utiliza 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 es obligatorio cuando está activado el parámetro Supresión no máxima.

Máximo ratio de superposición

El ratio de superposición máximo para dos entidades de superposición, definido como la relación del área de intersección sobre el área de combinación. El valor predeterminado es 0.

Este parámetro es obligatorio cuando está activado el parámetro Supresión no máxima.

Modo de procesamiento

Especifica cómo se procesarán todos los elementos de ráster en un servicio de imágenes.

  • Procesar como imagen en mosaico: todos los elementos de ráster en el servicio de imágenes se unirán en mosaico y se procesarán. Esta es la opción predeterminada.
  • Procesar todos los elementos de ráster por separado: todos los elementos de ráster del servicio de imágenes se procesarán como imágenes separadas.
.

Nombre de capa de resultados

The name of the layer that will be created in My Content and added to the map. The default name is based on the tool name and the input layer name. If the layer already exists, you will be prompted to provide another name.

You can specify the name of a folder in My Content where the result will be saved using the Save result in drop-down box.

Sugerencia:

Click Show Credits before you run your analysis to check how many credits will be consumed.

Entornos

Analysis environment settings are additional parameters that affect a tool's results. You can access the tool's analysis environment settings by clicking the gear icon Analysis Environments at the top of the tool pane.

This tool honors the following Analysis Environments:

  • Extent—Specifies the area to be used for analysis.
  • Cell size—The cell size to use in the output layer.
  • Recycle interval of processing workers—Defines how many image sections to process before restarting worker processes.
  • Parallel processing factor—Controls the raster processing CPU or GPU instances.
  • Number of retries on failures—Defines how many retries a worker process will attempt when there is random failure processing a job.

Herramientas y funciones ráster similares

Utilice la herramienta Detectar objetos con aprendizaje profundo para detectar objetos en una imagen. Existen otras herramientas que pueden resultar de utilidad para solucionar problemas similares.

Herramientas de análisis y funciones ráster de Map Viewer Classic

Utilice la herramienta Clasificar objetos con aprendizaje profundo para detectar la ubicación objetos en una imagen. Use la herramienta Clasificar píxeles con aprendizaje profundo para clasificar cada píxel en una imagen.

Herramientas de análisis y funciones ráster de ArcGIS Pro

La herramienta de geoprocesamiento Detectar objetos con aprendizaje profundo está disponible en la caja de herramientas de Image Analyst. Otras herramientas del conjunto de herramientas Aprendizaje profundo realizan flujos de trabajo de aprendizaje profundo.

Recursos para desarrolladores de ArcGIS Enterprise

Si está trabajando en API REST de ArcGIS, utilice la operación Detect Objects Using Deep Learning.

Si está trabajando en ArcGIS API for Python, realice tareas de aprendizaje profundo del sitio web de la API de Python para ArcGIS con el módulo arcgis.learn.