Narzędzie Klasyfikuj obiekty metodą Deep Learning uruchamia na warstwie zobrazowań model Deep Learning w celu wygenerowania warstwy obiektowej lub tabeli, w której są sklasyfikowane poszczególne obiekty wejściowe.
Danymi wynikowymi jest hostowana warstwa obiektowa.
Przykłady
Przykładowe scenariusze użycia tego narzędzia są następujące:
- Ocena szkód w budynkach po katastrofie naturalnej. Mając warstwę obiektową obrysów budynków i warstwę zobrazowań przedstawiającą uszkodzone obszary, narzędzie może wskazać, czy istniejące budynki zostały uszkodzone.
- Wskazanie stanu koron drzew. Mając warstwę obiektową koron drzew i warstwę zobrazowań przedstawiającą aktualne korony drzew, narzędzie może wskazać, czy kondycja istniejących drzew jest dobra.
Uwagi dotyczące korzystania
Narzędzie Klasyfikuj obiekty metodą Deep Learning obejmuje konfiguracje warstwy wejściowej, ustawień modelu i warstwy wynikowej.
Warstwa wejściowa
Grupa Warstwa wejściowa zawiera następujące parametry:
- Wejściowa warstwa zobrazowań lub warstwa obiektowa jest warstwą zobrazowań lub warstwami, które będą używane do klasyfikowania obiektów. Wybrana warstwa zobrazowań powinna opierać się na wymaganiach modelu Deep Learning, który zostanie użyty do klasyfikowania obiektów. Warstwa zobrazowań może być wielowymiarowa lub może być zbiorem obrazów.
- Wejściowa warstwa obiektowa zawiera obiekty wskazujące pozycje do sklasyfikowania. Każdy wiersz w wejściowej warstwie obiektowej reprezentuje jeden obiekt. Jeśli nie podano wejściowej warstwy obiektowej, zostaje przyjęte założenie, że każdy obraz wejściowy zawiera jeden obiekt do sklasyfikowania.
Liczba obiektów zależy od dodatkowych czynników, takich jak kryteria filtrowania i zasięg analizy.
- Tryb przetwarzania określa sposób przetwarzania elementów rastrowych w warstwie zobrazowań. Dostępne opcje to:
- Przetwarzaj jako obraz mozaikowy — wszystkie elementy rastrowe w zestawie danych mozaiki lub usłudze rastrowej zostaną połączone w mozaikę i przetworzone. Jest to opcja domyślna.
- Przetwarzaj wszystkie elementy rastrowe osobno — wszystkie elementy rastrowe w zestawie danych mozaiki lub usłudze rastrowej zostaną przetworzone jako osobne obrazy.
Ustawienia modelu
Grupa Ustawienia modelu zawiera następujące parametry:
- Model do klasyfikacji obiektów jest modelem Deep Learning, który będzie używany do klasyfikowania obiektów. Aby można było wybrać model Deep Learning w narzędziu, musi on znajdować się w usłudze ArcGIS Online. Można wybrać własny model, model dostępny publicznie w usłudze ArcGIS Online lub model z usługi ArcGIS Living Atlas of the World.
- Parametr Argumenty modelu określa argumenty funkcji zdefiniowane w klasie funkcji rastrowej Python. Wymienione są dodatkowe parametry Deep Learning i argumenty do eksperymentów i udoskonaleń, takie jak próg ufności używany podczas dostosowywania czułości. Nazwy argumentów są uzupełniane z modułu Python.
- Nazwa pola etykiety klasy wynikowej to nazwa pola, które będzie zawierać etykietę klasyfikacji w wynikowej hostowanej warstwie obiektowej lub tabeli.
Warstwa wynikowa
Grupa Warstwa wynikowa zawiera następujące parametry:
- Nazwa wynikowa określa nazwę tworzonej i wyświetlanej warstwy. Nazwa musi być unikalna. Jeśli w instytucji istnieje już warstwa o tej samej nazwie, działanie narzędzia zakończy się niepowodzeniem i wyświetlona zostanie prośba o wybór innej nazwy.
- Opcja Zapisz w folderze określa nazwę folderu na stronie Moje zasoby, w którym zostaną zapisane dane wynikowe.
Środowiska
Ustawienia środowiskowe dotyczące analiz to dodatkowe parametry wpływające na wyniki działania narzędzia. Dostęp do ustawień środowiskowych narzędzia dotyczących analiz można uzyskać z poziomu grupy parametrów Ustawienia środowiskowe.
To narzędzie obsługuje następujące środowiska analiz:
- Wynikowy układ współrzędnych
- Transformacje geograficzne
- Zasięg przetwarzania
Notatka:
Domyślnym zasięgiem przetwarzania jest Pełny zasięg. To ustawienie domyślne jest inne niż w przeglądarce map Map Viewer Classic, w której domyślnie włączona jest opcja Użyj zasięgu bieżącej mapy.
- Rozmiar komórki
Kredyty
To narzędzie zużywa kredyty.
Użyj opcji Szacuj liczbę kredytów, aby obliczyć liczbę kredytów potrzebnych do uruchomienia narzędzia. Więcej informacji można znaleźć w temacie Informacje o kredytach na potrzeby analizy przestrzennej.
Dane wynikowe
To narzędzie udostępnia następujące dane wynikowe:
- Hostowana warstwa obiektowa z obiektami oznaczonymi etykietami na podstawie klasyfikacji określonej przez model Deep Learning
- Tabela z lokalizacjami oznaczonymi etykietami na podstawie klasyfikacji określonej przez model Deep Learning
Wymagania dotyczące użytkowania
To narzędzie wymaga następujących typów użytkownika i konfiguracji:
- Typ użytkownika Professional lub Professional Plus
- Rola Publikujący, Facylitator lub Administrator albo odpowiadająca tym rolom rola niestandardowa z uprawnieniem Analiza zobrazowań.
Zasoby
Aby dowiedzieć się więcej, skorzystaj z następujących zasobów:
- Klasyfikuj obiekty metodą Deep Learning w aplikacji ArcGIS REST API
- Funkcja classify_objects w interfejsie ArcGIS API for Python
- Wykrywaj obiekty metodą Deep Learning w aplikacji ArcGIS Online
- Klasyfikuj piksele metodą Deep Learning w oprogramowaniu ArcGIS Online
- Klasyfikuj obiekty metodą Deep Learning w aplikacji ArcGIS Pro