モデルの使用

このモデルは、ArcGIS Pro の Image Analyst ツールボックスからアクセスできる [ディープ ラーニングを使用したピクセルの分類 (Classify Pixels Using Deep Learning)] ツールで使用できます。 以下の手順でモデルを使用して、画像のマングローブを分類します。

サポートされる画像

このモデルは、ラスター、モザイク データセット、またはイメージ サービスの形式で Landsat 8 センサーから取得した Surface Reflectance (Collection 2 Level-2) 画像で使用できます。

ラスター プロダクトを使用する場合は、画像をマップに追加する際に、必ず地表面反射率プロダクトを選択します。 モザイク データセットを使用する場合は、モザイクを作成する際に、必ず Landsat 8 ラスター タイプと Surface Reflectance を選択します。 このモザイク データセットは、イメージ サービスとして公開することも、入力として使用することもできます。

入力のビット深度が [符号なし 16 ビット] で、処理テンプレートが [None] に設定されていることを確認します。 MDCSMosaic (Dataset Configuration Script) を使用して、モザイク データセットの作成、構成、データ入力を自動化できます。

マングローブの分類

以下の手順でマングローブを分類します。

データの準備:
1. 次のプロダクト タイプに応じてデータを準備します。
   • ラスター プロダクト
   1. Landsat 8 Collection 2 データが格納されているフォルダーを参照します。 フォルダーを展開して、ラスター プロダクトを見つけます。
   2. MTL.txt ファイルとして指定されたラスター プロダクトを展開し、「Surface Reflectance」 から生成されたラスター データセットを選択します。

      

   • モザイク データセット
   1. [モザイク データセットの作成 (Create Mosaic Dataset)] ジオプロセシング ツールを使用して、モザイク データセットを作成します。 [パラメーター] タブで、次のように変数を設定します。
      • [出力場所] - ジオデータベースを選択します。
      • [モザイク データセット名] - モザイク データセット名を設定します。
      • [座標系] - 出力モザイク データセットの座標系を選択します。
      • [プロダクト定義] - [なし] を選択します。

      

   2. モザイク データセットにラスターを追加するには、[モザイク データセットにラスターを追加 (Add Rasters To Mosaic Dataset)] ジオプロセシング ツールを開きます。 [パラメーター] タブで、次のように変数を設定します。
      • [モザイク データセット] - 入力モザイク データセットを選択します。
      • [ラスター タイプ] - ドロップダウン リストから [Landsat-8] を選択します。
      • [処理テンプレート] - ドロップダウン リストから「Surface Reflectance」を選択します。
      • [入力データ] - ドロップダウン リストから [フォルダー] を選択し、Landsat 8 データ フォルダーを参照して追加します。

      

   • Raster Dataset
   1. 従来、Landsat 8 Collection 2 データは、ラスター プロダクトとしての使用に必要な .txt メタデータ ファイルを含む一連の .tif データセットとして提供されています。 このメタデータ配布を利用できない場合は、[コンポジット バンド (Composite Bands)] ジオプロセシング ツールまたは [コンポジット バンド (Composite Bands)] ラスター関数のいずれかを使用してマルチバンド画像を作成できます。 この画像は推論の入力として使用できます。

      

      

2. Mangrove Classification (Landsat 8) モデルをダウンロードして、ArcGIS Pro にイメージ レイヤーを追加します。
3. 対象地域にズームします。

   

4. [解析] タブの [ツール] を参照します。

   

5. [ジオプロセシング] ウィンドウの [ツールボックス] タブをクリックして [Image Analyst ツール] を選択し、[ディープ ラーニング] の [ディープ ラーニングを使用したピクセルの分類 (Classify Pixels Using Deep Learning)] ツールを参照します。

   

6. [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] - 画像を選択します。
   2. [出力分類ラスター] - 分類結果を含む出力ラスターを設定します。
   3. [モデル定義] - 事前トレーニングされた、または微調整されたモデルの .dlpk ファイルを選択します。
   4. [引数] (オプション) - 必要に応じて引数の値を変更します。
      • [padding] - 隣接するタイルの予測がブレンドされる画像タイルの境界のピクセル数。 値を大きくすると、エッジ アーティファクトが減少し、出力が滑らかになります。 パディングの最大値には、タイル サイズの値の半分を設定できます。
      • [batch_size] - モデル推論の各ステップで処理された画像タイルの数。 これは、お使いのグラフィックス カードのメモリに応じて異なります。
      • [predict_background] - True を設定した場合、背景クラスも分類されます。
      • [test_time_augmentation] - 予測中にテスト時間の延長を実行します。 True の場合、入力画像の反転および回転バリアントの予測は、最終出力にマージされます。
      • [tile_size] - 予測のために画像が分割される画像タイルの幅と高さ。

   

   注意:

   ArcGIS Pro (ArcGIS Pro 2.7 以降でサポート) から直接モデルにアクセスするには、参照ボタンをクリックして、モデルを検索します。

   

7. [環境] タブで、次のように変数を設定します。
   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] または他の選択肢を選択します。
   2. [セル サイズ] (必須) - 値を「30」に設定します。

      必要なラスター解像度は 30 メートルです。

   3. [プロセッサー タイプ] - [CPU] または [GPU] を選択します。

      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。

   

8. [実行] をクリックします。

   出力レイヤーがマップに追加されます。