딥러닝을 사용한 객체 감지 도구는 딥러닝 모델을 사용하여 영상 레이어에서 객체를 식별하고 찾습니다.
결과는 호스팅 피처 레이어입니다.
예시
이 도구 사용에 대한 시나리오 예시는 다음과 같습니다.
- 지자체 또는 지역 비상 대응 그룹에서 건물 풋프린트를 식별하여 재산세 데이터를 업그레이드합니다. 도구의 결과 레이어는 지역 건물을 식별할 수 있는 피처 레이어입니다. 생성된 피처 레이어는 기존의 부동산 레코드와 일치시켜 부동산의 현재 건물 풋프린트를 기록하는 데 사용될 수 있습니다.
- 주차장의 차량을 식별하여 그 수를 계산하고 교통 현장조사를 준비합니다. 생성된 피처 레이어는 딥러닝을 사용한 객체 분류 도구에서 감지된 차의 유형을 분류하는 데 사용될 수 있습니다.
사용 참고사항
딥러닝을 사용한 객체 감지에는 입력 레이어, 모델 설정, 결과 레이어를 위한 구성이 포함됩니다.
입력 레이어
입력 레이어 그룹에는 다음 매개변수가 포함됩니다.
- 입력 영상 레이어 또는 피처 레이어는 딥러닝 모델에서 식별된 객체를 감지하는 데 사용될 영상 레이어 또는 피처 레이어(첨부 파일 포함)입니다. 선택한 영상 레이어는 픽셀을 분류하는 데 사용될 딥러닝 모델의 요구사항을 기반으로 해야 합니다.
- 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
모델 설정 그룹에는 다음 매개변수가 포함됩니다.
- 객체 감지를 위한 모델은 객체를 감지하는 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.
- 비최대값 억제(NMS)는 비최대값 억제를 수행하여 신뢰도 값에 따라 식별된 중복 객체를 제거할지 여부를 지정합니다.
- 신뢰도 점수 필드는 객체 감지 방법을 통해 결과로 생성되는 신뢰도 점수를 기록할 필드 이름입니다. 이 매개변수는 비최대값 억제(NMS)가 활성화된 경우에 사용할 수 있습니다.
- 클래스 값 필드는 입력 영상 레이어의 값을 포함할 결과 피처 레이어의 필드입니다. 값을 지정하지 않으면 표준 클래스 값 필드인 Classvalue 및 Value이(가) 사용됩니다. 이러한 필드가 없으면 모든 피처가 동일한 객체 클래스로 처리됩니다. 이 매개변수는 비최대값 억제(NMS)가 활성화된 경우에 사용할 수 있습니다.
- 최대 중첩 비율은 겹치는 피처 2개의 합집합 영역에서 교차점 영역의 비율을 지정합니다. 기본값은 0입니다. 이 매개변수는 비최대값 억제(NMS)가 활성화된 경우에 사용할 수 있습니다.
결과 레이어
결과 레이어 그룹에는 다음 매개변수가 포함됩니다.
- 결과 이름은 생성되어 맵에 추가되는 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.
환경
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.
크레딧
이 도구는 크레딧을 사용합니다.
예상 크레딧을 사용하여 도구를 실행하는 데 필요한 크레딧 수를 계산합니다. 자세한 내용은 공간 분석을 위한 크레딧 이해하기를 참고하세요.
결과
결과는 감지된 각 객체가 개별 피처이며 클래스 값 및 신뢰도 필드가 추가된 피처 레이어입니다.
사용 요구사항
이 도구에는 다음과 같은 사용자 유형 및 구성이 필요합니다.
- Professional 또는 Professional Plus 사용자 유형
- 영상 분석 권한이 있는 Publisher, Facilitator, Administrator 역할 또는 동급의 사용자 설정 역할
리소스
다음과 같은 리소스를 사용하여 자세히 알아보세요.
- ArcGIS REST API의 딥러닝을 사용한 객체 감지
- ArcGIS API for Python의 detect_objects 함수
- ArcGIS Online의 딥러닝을 사용한 객체 분류
- ArcGIS Pro의 딥러닝을 사용한 객체 감지