モデルの微調整

区画エリア、画像、対象フィーチャに合わせて、土地被覆の分類 (航空写真) モデルを微調整できます。 新しいモデルをトレーニングする場合に比べ、モデルを微調整する方がトレーニング データや計算リソースが少なくて済み、時間も短縮できます。

利用可能な ArcGIS の事前トレーニング済みディープ ラーニング モデルで満足のいく結果が得られない場合は、モデルの微調整を行うことをお勧めします。 これは、対象地域がモデルの適用地域から外れている場合や、解像度、縮尺、季節性などの画像プロパティが異なる場合です。

ディープ ラーニング用のトレーニング データをエクスポート (Export Training Data For Deep Learning) ツールを使用し、トレーニング データを準備できます。 次に、ArcGIS Pro のディープ ラーニング モデルのトレーニング ツールを使用し、データ上でこのモデルを微調整できます。 モデルを微調整するには、次の手順に従います。

トレーニング データの準備

このモデルは、高解像度 (10 cm) の画像と、LA County Land Cover データセットと同じクラスおよびクラス値を持つ分類ラスターでトレーニングされています。 ディープ ラーニング用のトレーニング データをエクスポート ツールを使用し、モデルを微調整するためのトレーニング データを準備します。

1. [解析] タブの [ツール] を参照します。

   

2. [ジオプロセシング] ウィンドウの [ツールボックス] タブをクリックし、[Image Analyst ツール] を選択し、[ディープ ラーニング] ツールセットの [ディープ ラーニング用のトレーニング データをエクスポート] ツールを参照します。

   

3. [パラメーター] タブで、次のように変数を設定します。
   1. [入力ラスター] - 高解像度 (10 cm) の画像を使用します。
   2. [出力フォルダー] - コンピューター上の任意のディレクトリ。
   3. [入力フィーチャクラス、分類ラスター、またはテーブル] - 分類ラスターを使用している場合は、ピクセル値が LA County Landcover データセットのピクセル値と一致することを確認します。 フィーチャクラスの場合、土地被覆クラスの名前を含む ClassName というテキスト フィールドと、LA County Landcover データセットの値に対応する値を持つ ClassValue というもう 1 つのフィールドが含まれている必要があります。
   4. [クラス値フィールド] - 前のステップでフィーチャクラスが使われている場合、このオプションが表示されます。 LA County Landcover データセット内のクラス値を参照する ClassValue フィールドを追加します。
   5. [イメージ形式] - TIFF 形式
   6. [タイル サイズ X] - 400
   7. [タイル サイズ Y] - 400
   8. [ストライド X] ‐ 0
   9. [ストライド Y] ‐ 0
   10. [メタデータ形式] - 分類済みタイル

       

4. [環境] タブで変数を設定します。
   1. [処理範囲] - ドロップダウン メニューから [現在の表示範囲]、または必要に応じて他の選択肢を選択します。
   2. [セル サイズ] - 値を目的のセル サイズに設定します。

      

5. [実行] をクリックします。 処理が完了すると、エクスポートされたトレーニング データは指定したディレクトリに保存されます。

Land Cover Classification (Aerial Imagery) モデルの微調整

モデルを微調整するには、次の手順を実行します。

1. [解析] タブの [ツール] を参照します。

   

2. [ジオプロセシング] ウィンドウで [ツールボックス] タブをクリックして、[Image Analyst ツール] を展開します。 [ディープ ラーニング] で [ディープ ラーニング モデルのトレーニング] ツールを選択します。

   

3. [パラメーター] タブで、次のように変数を設定します。
   1. [入力トレーニング データ] - 前回のステップでエクスポートされたトレーニング データのパス。
   2. [出力フォルダー] - コンピューター上の任意のディレクトリ。
   3. [最大エポック] - (オプション) - 20 (モデルを微調整する反復回数によります。 エポックとは、ツールがデータを処理する際にかかる反復回数のことです)。
   4. [事前トレーニング済みモデル] - ArcGIS Living Atlas of the World からダウンロードした Land Cover Classification (Aerial Imagery) (.dlpk) ファイルを入力します。
   5. [バッチ サイズ] - 8 (GPU の容量に応じて、この数値を増減させます。 最適なパフォーマンスを得るために、平方数のバッチ サイズを選択することをお勧めします)。
   6. [モデルが改善を見込めなくなった時点で停止] - オン
   7. [モデルの固定] - オン

      

4. [環境] タブで変数を設定します。
   1. [プロセッサー タイプ] - 必要に応じて CPU または GPU を選択します。 GPU が使用可能であれば [GPU] を選択し、[GPU ID] を、使用する GPU に設定することをお勧めします。

      

5. [実行] をクリックします。 これで、このモデルを使用し、画像に対して推論を実行できるようになります。