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、航空写真の風力タービンを検出します。

画像から風力タービンを検出するには、次の手順を実行します。

1. Wind Turbine Detection 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。
2. 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] - 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。
   4. [モデル引数] (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。
      • [threshold] - この信頼度スコアを上回る予測が、結果に追加されます。 可能な値の範囲は 0 ～ 1.0 です。
      • [nms_overlap] - 2 つの重複したフィーチャの最大オーバーラップ率。全領域に対する交差領域の比率として定義されます。 デフォルトは 0.1 です。
      • [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。
      • [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。
      • [test_time_augmentation] - 予測中にテスト時間の延長を実行します。 これは、モデルの予測の堅牢性と精度を高めるために使用される手法です。 これは、推論中にデータ拡張手法を適用します。つまり、テスト データの少し変更されたバージョンを複数生成して、予測を集約します。 True の場合、入力画像の反転および回転方向の予測は最終出力にマージされ、それらの信頼値は平均化されます。 これにより、画像の方向が少ししか検出されないオブジェクトの場合、信頼度が閾値を下回る可能性があります。
   5. [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「0.6」に設定します。

      必要なラスター解像度は 0.6 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。

   

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。