このディープ ラーニング モデルを使用して、3D ビューで表示されるテクスチャ処理された建物データから窓とドアを抽出します。 3D 建物データからドアと窓を手作業でデジタイズするには、場合によっては時間がかかります。 このモデルは、3D ビューからこれらのオブジェクトを抽出するプロセスを自動化し、3D 編集および解析ワークフローを高速化することができます。 このモデルを使用すると、窓やドアの位置、サイズ、方向に関する追加情報で、既存の建物データを強化できます。 抽出された窓とドアをさらに使用し、ArcGIS の既存の 3D ジオプロセシング ツールを使って、3D 可視性解析を実行することができます。
このモデルは、多くの業界やワークフローで役立ちます。 中央政府や州レベルの法執行機関であれば、このモデルをセキュリティ分析シナリオで使用できます。 地方自治体は、窓やドアの位置を使用して、CAMA (Computer-Assisted Mass Appraisal) および都市計画への影響調査による税の査定に役立てることができます。 公共安全担当者は、制限エリアへの物理的または視覚的なアクセスや、避難計画の作成能力に関心を寄せる可能性があります。 不動産業者から広告主、オフィス/インテリア デザイナーまで、商業セクターは、窓やドアの位置を把握することで利益を得られます。 公共事業、特に携帯電話プロバイダーは、ドアのサイズと位置を把握して活用できます。 明確にいえば、このモデルはこれらの問題を解決はしませんが、ユーザーが問題解決に必要なデータの一部を抽出して照合できるようにします。
このディープ ラーニング モデルは、Open Images Dataset の画像を使用してトレーニングされました。
ライセンス要件
このワークフローを完了する場合のライセンス要件は次のとおりです。
- 対話型のオブジェクト検出ツールを使用するには、ArcGIS Pro Advanced ライセンスが必要です。
モデルの詳細
このモデルには以下の特性があります。
- 入力 - 画像 (RGB)。
- 出力 - 予測、ラベル (窓またはドア)、およびオプションで信頼度スコアを含むタプル。
- 計算 - このワークフローは計算負荷が高いため、計算能力が 6.0 以上の GPU が推奨されます。
- アーキテクチャ - このモデルは、ArcGIS API for Python に実装された Faster R-CNN モデル アーキテクチャを使用します。
- 精度メトリクス - このモデルの平均精度スコアは、ドア クラスで 0.36、窓クラスで 0.54 です。
モデルへのアクセスとダウンロード
Windows and Doors Extraction 事前トレーニング済みモデルを ArcGIS Living Atlas of the World からダウンロードします。 または、ArcGIS Pro からモデルに直接アクセスします。
- ArcGIS Living Atlas of the World を参照します。
- 自分の ArcGIS Online アカウントの認証情報を使用してサイン インします。
- 「Windows and Doors Extraction」を検索して、検索結果からアイテム ページを開きます。
- [ダウンロード] ボタンをクリックして、モデルをダウンロードします。
ダウンロードした .dlpk ファイルを ArcGIS Pro で直接使用できます。
リリース ノート
以下はリリースノートです。
| Date | 説明 |
|---|---|
| 2021 年 2 月 |
|