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オブジェクトの検出 (Detect Objects Using Deep Learning)] ツールで使用することができます。 以下の手順でモデルを使用して、画像の油井を検出します。

サポートされる画像

このモデルは、ラスター プロダクト、モザイク データセット、またはイメージ サービスの形式の Sentinel-2 (Level 2) マルチスペクトル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 BOA Reflectance 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 Sentinel-2 ラスター タイプと BOA Reflectance 処理テンプレートを選択します。 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。

油井の検出

以下の手順で画像から油井を検出します。

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. Sentinel-2 L2A 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. .xml 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、[BOA 反射率] 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 [Sentinel-2] 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 [BOA 反射率] 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、.SAFE ファイルを参照して追加します。

      

      注意: [コンポジット バンド (Composite Bands)] ジオプロセシング ツール、または必要に応じて推論の入力に使用されるコンポジット バンド ラスター関数を使用してマルチバンド画像を作成できます。

データの処理:
2. ArcGIS Pro で画像レイヤーを追加して、対象地域にズームします。

   

3. [解析] タブの [ツール] を参照します。

   

4. [ジオプロセシング] ウィンドの [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オブジェクトの検出 (Detect Objects Using Deep Learning)] ツールを参照します。

   

5. [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] - 前述の Sentinel 画像を選択します。
   2. [出力検出オブジェクト] - 検出されたオブジェクトを含む出力フィーチャクラスを設定します。
   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。 このユース ケースでは、前にダウンロードした Well Pad Detection—Permian Basin モデルを使用します。
   4. [処理モード] - [モザイク画像として処理] モードを選択します。
   5. [モデル引数] - 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。
      • [閾値] - この閾値よりも信頼度スコアが高い検出が、結果に追加されます。 可能な値の範囲は 0 ～ 1.0 です。
      • [nms_overlap] - 信頼度スコアが低い検出のフィルタリングに使用する境界ボックス間のオーバーラップの比率。
      • [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。
      • [exclude_pad_detections] - パディングされた領域の各タイルのエッジで切り捨てられる可能性のある境界四角形を除外するかどうかを指定します。 デフォルトは True です。
      • [radiometric_offset_correction] - Sentinel 2 L2A 画像において、2022 年 1 月 25 日以降に取得されたイメージで -1000 に設定された放射量オフセットを補正します。 (注意: データ プロバイダーが 2022 年 1 月以降のデータに対してオフセットを適用済みかどうかを確認してください。Azure や Copernicus のようなソースでは、radiometric_offset_correction パラメーターを True に設定する必要があります。 AWS データでは放射量オフセットがすでに補正されており、再度補正を行う必要がないため、パラメーターを False に設定します。)
   6. [Non Maximum Suppression] - 必要に応じてチェックボックスをオンにして、信頼度の低いオーバーラップ フィーチャを削除します。

      オンにした場合は、次の設定を行います。

      • [信頼度スコア フィールド] を設定します。
      • [クラス値フィールド] (オプション) を設定します。
      • [最大オーバーラップ率] (オプション) を設定します。

        

6. [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「5」に設定します。

      必要なラスター解像度は 5 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。

      

視覚化:
7. [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。

   

   ズームしてさらに詳しく結果を確認できます。