딥러닝을 사용한 객체 분류(Map Viewer)—ArcGIS Online

딥러닝을 사용한 객체 분류 도구는 영상 레이어에서 딥러닝 모델을 실행하여 각 입력 객체가 분류되는 피처 레이어 또는 테이블을 생성합니다.

결과는 호스팅 피처 레이어입니다.

예시

이 도구 사용에 대한 시나리오 예시는 다음과 같습니다.

자연재해 후에 손상된 건물을 평가합니다. 건물 풋프린트의 피처 레이어와 피해 지역을 보여주는 영상 레이어를 통해, 도구는 기존 건물이 훼손되었는지 여부를 나타낼 수 있습니다.
기존 나무의 우듬지 상태를 나타냅니다. 우듬지의 피처 레이어와 현재 우듬지를 보여주는 영상 레이어를 통해, 도구는 기존 나무가 건강한지 또는 스트레스를 받고 있는지 여부를 나타낼 수 있습니다.

딥러닝을 사용한 객체 분류에는 입력 레이어, 모델 설정, 결과 레이어를 위한 구성이 포함됩니다.

입력 레이어 그룹에는 다음 매개변수가 포함됩니다.

입력 영상 레이어 또는 피처 레이어는 객체를 분류하는 데 사용될 영상 레이어입니다. 선택한 영상 레이어는 객체를 분류하는 데 사용될 딥러닝 모델의 요구 사항을 기반으로 해야 합니다. 영상 레이어는 다차원이거나 이미지 컬렉션일 수 있습니다.
입력 피처 레이어는 분류할 위치를 나타내는 피처입니다. 입력 피처 레이어의 각 행은 단일 객체를 나타냅니다. 입력 피처 레이어를 지정하지 않으면, 각 입력 이미지에 분류될 단일 객체가 포함되어 있는 것으로 가정합니다.
피처 개수는 필터링 기준 및 분석 범위와 같은 추가 요소에 따라 달라집니다.
프로세싱 모드는 영상 레이어의 래스터 항목이 처리되는 방법을 지정합니다. 옵션은 다음과 같습니다.
- 모자이크된 이미지로 처리 - 모자이크 데이터셋 또는 이미지 서비스의 모든 래스터 항목이 다 함께 모자이크되어 처리됩니다. 이 옵션이 기본 설정입니다.
- 모든 래스터 항목을 개별적으로 처리 - 모자이크 데이터셋 또는 이미지 서비스의 모든 래스터 항목이 개별 이미지로 처리됩니다.

모델 설정 그룹에는 다음 매개변수가 포함됩니다.

객체 분류를 위한 모델은 객체를 분류하는 데 사용될 딥러닝 모델입니다. 도구에서 선택하려면 딥러닝 모델이 ArcGIS Online에 있어야 합니다. 자체 모델, ArcGIS Online에서 공개적으로 사용 가능한 모델, ArcGIS Living Atlas of the World의 모델 중에서 선택할 수 있습니다.
모델 인수는 Python 래스터 함수 클래스에 정의된 함수 인수를 지정합니다. 민감도를 조정하기 위한 신뢰도 임곗값 등의 실험 및 세부 조정에 대한 추가적인 딥러닝 매개변수와 인수를 나열합니다. 인수 이름은 Python 모듈에서 채워집니다.
결과 클래스 레이블 필드 이름은 결과 호스팅 피처 레이어 또는 테이블에서 분류 레이블이 포함될 필드 이름입니다.

결과 레이어 그룹에는 다음 매개변수가 포함됩니다.

결과 이름은 생성되어 표시되는 레이어의 이름을 지정합니다. 이름은 고유해야 합니다. 기관에 동일한 이름의 레이어가 이미 있는 경우 도구를 사용할 수 없으며 다른 이름을 사용하라는 메시지가 표시됩니다.
폴더에 저장은 결과가 저장되는 내 콘텐츠의 폴더 이름을 지정합니다.

분석 환경 설정은 도구의 결과에 영향을 주는 추가 매개변수입니다. 환경 설정 매개변수 그룹에서 도구의 분석 환경 설정에 접근할 수 있습니다.

이 도구는 다음과 같은 분석 환경을 적용합니다.

결과 좌표계
지리적 변환
처리 범위
비고:
기본 프로세싱 범위는 전체 범위입니다. 이 기본값은 현재 맵 범위 사용이 기본 설정에 따라 활성화된 Map Viewer Classic와 다릅니다.
셀 크기

이 도구는 크레딧을 사용합니다.

예상 크레딧을 사용하여 도구를 실행하는 데 필요한 크레딧 수를 계산합니다. 자세한 내용은 공간 분석을 위한 크레딧 이해하기를 참고하세요.

해당 도구에는 다음 결과가 포함됩니다.

이 도구에는 다음과 같은 사용자 유형 및 구성이 필요합니다.

다음과 같은 리소스를 사용하여 자세히 알아보세요.