ArcGIS Image for ArcGIS Online에서 사용할 수 있습니다.
딥러닝을 사용한 객체 감지 도구는 딥러닝 모델을 사용하여 영상 레이어에서 객체를 식별하고 찾습니다.
결과는 호스팅 피처 레이어입니다.
예시
딥러닝을 사용한 객체 감지 도구는 지자체 또는 지역 비상 대응 그룹에서 건물 풋프린트를 식별하여 재산세 데이터를 업그레이드하는 데 사용될 수 있습니다. 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.
딥러닝을 사용한 객체 감지 도구는 주차장의 차량을 식별하여 그 수를 계산하고 교통 현장조사를 준비하는 데 사용될 수 있습니다. 생성된 피처 레이어는 딥러닝을 사용한 객체 분류 도구에서 감지된 차의 유형을 분류하는 데 사용될 수 있습니다.
사용 참고사항
딥러닝을 사용한 객체 감지 도구에는 입력 레이어, 모델 설정, 결과 레이어에 대한 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)를 선택하는 데 사용됩니다. 선택한 영상 레이어는 픽셀을 분류하는 데 사용될 딥러닝 모델의 요구 사항을 기반으로 해야 합니다.
- 프로세싱 모드는 영상 레이어의 래스터 항목이 처리되는 방법을 설명합니다. 프로세싱 모드에는 다음 옵션이 포함됩니다.
- 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 모델을 지정합니다. 도구에서 선택하려면 딥러닝 모델이 ArcGIS Online에 있어야 합니다. 자체 모델, ArcGIS Online에서 공개적으로 제공하는 모델 또는 ArcGIS Living Atlas of the World의 모델 중에서 선택할 수 있습니다.
- 모델 인수에는 민감도를 조정하기 위한 신뢰도 임곗값 등 입력 모델에 의해 Python 래스터 함수에 정의되지 않은 세부 조정에 대한 추가적인 딥러닝 매개변수와 인수가 나열됩니다. 인수의 이름은 Python 모듈을 읽어 도구를 통해 채워집니다.
- 비최대값 억제(NMS)는 비최대값 억제를 수행하여 신뢰도 값에 따라 식별된 중복 객체를 제거할지 여부를 결정합니다.
- 신뢰도 점수 필드는 객체 감지 방법을 통해 결과로 생성되는 신뢰도 점수를 기록할 필드 이름을 지정합니다. 이 매개변수는 비최대값 억제(NMS)가 활성화된 경우에 사용할 수 있습니다.
- 클래스 값 필드는 입력 영상 레이어의 값을 포함할 결과 피처 레이어의 필드입니다. 지정하지 않으면 도구는 표준 클래스 값 필드인 Classvalue 및 Value을(를) 사용합니다. 이러한 필드가 없으면 모든 피처가 동일한 객체 클래스로 처리됩니다. 이 매개변수는 비최대값 억제(NMS)가 활성화된 경우에 사용할 수 있습니다.
- 최대 중첩 비율은 2개의 겹치는 피처에 대한 합집합 영역에서 교차점 영역의 비율을 정의합니다. 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 결정합니다. 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 라이선싱 및 구성이 필요합니다.
- Creator 또는 GIS Professional 사용자 유형
- ArcGIS Image for ArcGIS Online
- 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