L’outil Classify Pixels Using Deep Learning (Classer des pixels à l’aide du Deep Learning) utilise un modèle de Deep Learning pour classer les pixels dune couche d’imagerie selon une liste d’étiquettes indiquant différentes classes.
La sortie correspond à une couche d'imagerie hébergée.
Exemple
L’outil Classify Pixels Using Deep Learning (Classer des pixels à l’aide du Deep Learning) peut être utilisé en entrée de détection des changements catégoriels entre différentes périodes. Les couches d’imagerie thématiques classés produites en sortie peuvent être utilisées comme couches d’imagerie en entrée pour mesurer les changements dans le temps. Par exemple, vous pouvez utiliser cet outil pour créer une couche d’imagerie thématique des banlieues d’une grande ville sur deux périodes avec le même thème de classification. En comparant les couches d’imagerie thématiques produites, la transition des zones entre classes étiquetées peut être mesurée et quantifiée.
Remarques sur l’utilisation
Classify Pixels Using Deep Learning (Classer des pixels à l’aide du Deep Learning) inclut des configurations pour les couches en entrée, les paramètres du modèle et la couche de résultat.
Couches en entrée
Le groupe Input layers (Couches en entrée) comprend les paramètres suivants :
- La Input layer (Couche en entrée) est la couche d’imagerie ou la couche utilisée pour la classification. La couche d’imagerie sélectionnée doit être fondée sur les exigences du modèle de Deep Learning qui sera utilisé pour classer les pixels.
- Le Processing mode (Mode de traitement) indique la façon dont les éléments raster sont traités dans la couche d’imagerie. Les options sont les suivantes :
- Process as mosaicked image (Traiter comme image mosaïquée) : tous les éléments raster dans le jeu de données mosaïque ou le service d’imagerie sont mosaïqués ensemble et traités. Il s’agit de l’option par défaut.
- Process all raster items separately (Traiter tous les éléments raster séparément) : tous les éléments raster dans le jeu de données mosaïque ou le service d’imagerie sont traités en tant qu’images séparées.
Paramètres du modèle
Le groupe Model settings (Paramètres du modèle) comporte les paramètres suivants :
- Model for pixel classification (Modèle pour la classification des pixels) est le modèle de Deep Learning utilisé pour classer les pixels. Le modèle de Deep Learning doit se trouver dans ArcGIS Online pour pouvoir être sélectionné dans l’outil. Vous pouvez sélectionner votre propre modèle, un modèle disponible publiquement dans ArcGIS Online ou un modèle de ArcGIS Living Atlas of the World.
- Model arguments (Arguments du modèle) spécifie les arguments des fonctions définis dans la classe de fonctions raster Python. Sont répertoriés les paramètres de Deep Learning supplémentaires et les arguments des expériences et améliorations, tels qu’un seuil de confiance pour l’ajustement de la sensibilité. Les noms des arguments sont renseignés à partir du module Python.
Couche de résultat
Le groupe Result layer (Couche de résultat) comprend les paramètres suivants :
- Le paramètre Output name (Nom en sortie) spécifie le nom de la couche qui a été créée et est affichée. Le nom doit être unique. Si une couche du même nom existe déjà dans votre organisation, l’outil échoue et vous êtes invité à utiliser un autre nom.
- Le paramètre Output layer type (Type de couche en sortie) détermine le type de raster en sortie à créer. La sortie peut correspondre à une couche d’imagerie tuilée ou une couche d’imagerie dynamique.
- Le paramètre Save in folder (Enregistrer dans un dossier) indique le nom d’un dossier de My content (Mon contenu) dans lequel est enregistré le résultat.
Environnements
Les paramètres d’environnement d’analyse sont des paramètres supplémentaires qui affectent les résultats d’un outil. Vous pouvez accéder aux paramètres d’environnement d’analyse de l'outil à partir du groupe de paramètres Environment settings (Paramètres d'environnement).
Cet outil respecte les environnements d'analyse suivants :
- Système de coordonnées en sortie
- Transformations géographiques
- Etendue de traitement
Remarque :
L’étendue de traitement par défaut correspond à l’étendue Full extent (Vue générale). Ce paramètre par défaut diffère de Map Viewer Classic, où Use current map extent (Utiliser l’étendue courante de la carte) est activé par défaut.
- Raster de capture
- Taille de cellule
Sorties
La sortie est une couche d’imagerie thématique classée fondée sur la structure de classification définie dans le modèle de Deep Learning.
Conditions d’utilisation
Cet outil requiert le type d’utilisateur et les configurations suivants :
- Type d’utilisateur Professional ou Professional Plus
- Rôle d’éditeur, de facilitateur ou d’administrateur, ou rôle personnalisé équivalent avec le privilège Imagery Analysis (Analyse d’images)
Ressources
Référez-vous aux ressources suivantes pour en savoir plus :
- Classer des pixels à l’aide du Deep Learning dans ArcGIS REST API
- fonction classify_pixels dans ArcGIS API for Python
- Classer des pixels à l’aide du Deep Learning dans ArcGIS Pro
Vous avez un commentaire à formuler concernant cette rubrique ?