Klasyfikuj obiekty metodą Deep Learning

Klasyfikuj obiekty metodą Deep Learning Narzędzie Klasyfikuj obiekty metodą Deep Learning uruchamia w rastrze wejściowym model wytrenowany metodą Deep Learning i opcjonalnie klasę obiektów w celu utworzenia klasy obiektów lub tabeli, w której każdy obiekt wejściowy ma przypisaną etykietę klasy lub kategorii.

Notatka:

Ta funkcja jest aktualnie obsługiwana tylko w aplikacji Map Viewer Classic. Funkcja będzie dostępna w przyszłej wersji aplikacji Map Viewer.

Jeśli to narzędzie nie jest wyświetlane w przeglądarce map Map Viewer Classic, skontaktuj się z administratorem instytucji. Możesz nie mieć uprawnień do analizowania obrazów dostępnych z licencją ArcGIS Image for ArcGIS Online.

Diagram procedury wykonywania zadań

Procedura wykonywania zadań narzędzia Klasyfikuj obiekty metodą Deep Learning

Przykłady

  • Mając obraz i klasę obiektów identyfikujące lokalizację domów, sklasyfikuj poszczególne domy jako uszkodzone lub nieuszkodzone, korzystając z wytrenowanego modelu Deep Learning.
  • Mając zbiór obrazów, w którym każdy obraz przedstawia jedno drzewo, sklasyfikuj poszczególne drzewa jako zdrowe lub nie, korzystając z wytrenowanego modelu Deep Learning.

Uwagi dotyczące korzystania

Wejściowym modelem Deep Learning dla tego narzędzia musi być element pakietu Deep Learning (.dlpk) zapisany w portalu. Element .dlpk można wygenerować w narzędziu geoprzetwarzania Przeprowadź trening modelu Deep Learning w narzędziu analiz rastrowych aplikacji ArcGIS Pro lub interfejsu ArcGIS REST API.

Element wejściowy .dlpk musi zawierać plik definicji modelu Esri (.emd). Zapoznaj się z przykładowym plikiem .emd podanym poniżej.

{
    "Framework": "Keras",
    "ModelConfiguration":"KerasClassifier",
    "ModelFile":"C:\\DeepLearning\\Damage_Classification_Model_V7.h5",
    "ModelType":"ObjectClassification",
    "ImageHeight":256,
    "ImageWidth":256,
    "ExtractBands":[0,1,2],
    "CropSizeFixed": 1,
    "BlackenAroundFeature": 1,
    "ImageSpaceUsed": "MAP_SPACE", 
    "Classes": [
    {
       "Value": 0,
       "Name": "Damaged",
       "Color": [255, 0, 0]
    },
    {
       "Value": 1,
       "Name": "Undamaged",
       "Color": [76, 230, 0]
    }
    ]
}

Jeśli zaznaczono opcję Użyj bieżącego zasięgu mapy, analizowane będą tylko piksele widoczne w bieżącym zasięgu mapy. Jeśli ta opcja nie jest wybrana, analizowana jest cała wejściowa warstwa zobrazowań.

Parametry tego narzędzia zostały wymienione w następującej tabeli:

ParametrObjaśnienie
Wybierz obraz używany do klasyfikowania obiektów

Obraz wejściowy, który zostanie użyty do klasyfikowania obiektów.

Wybierz warstwę obiektową dla obiektów (opcjonalnie)

Wejściowa warstwa obiektów punktowych, liniowych lub poligonowych, która identyfikuje lokalizację każdego obiektu do sklasyfikowania i oznaczenia etykietą. 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. Jeśli obraz lub obrazy wejściowe korzystają z odniesienia przestrzennego, dane wynikowe z narzędzia to warstwa obiektowa, w której zasięg każdego obrazu jest używany jako geometria ograniczająca poszczególne obiekty oznaczone etykietami. Jeśli obraz lub obrazy wejściowe nie korzystają z odniesienia przestrzennego, dane wynikowe z narzędzia to tabela zawierająca wartości identyfikatorów obrazów oraz etykiety klas poszczególnych obrazów.

Wybierz model Deep Learning używany do klasyfikowania obiektów

Element wejściowego pakietu Deep Learning (.dlpk).

Pakiet Deep Learning składa się z pliku JSON definicji modelu Esri (.emd) pliku modelu binarnego Deep Learning i opcjonalnie funkcji rastrowej w języku Python, która ma być używana.

Podaj argumenty modelu Deep Learning

Argumenty funkcji są zdefiniowane w funkcji rastrowej w języku Python, do której odwołuje się model wejściowy. W tym miejscu wymienione są dodatkowe parametry i argumenty metody Deep Learning na potrzeby precyzowania, takie jak próg ufności używany podczas dostosowywania czułości.

Nazwy argumentów są uzupełniane przez narzędzie poprzez odczytanie modułu Python.

Zdefiniuj nazwę pola etykiety klasy (opcjonalnie)

Nazwa pola zawierającego etykietę klasyfikacji w wynikowej warstwie obiektowej.

Jeśli nie podano nazwy pola, w wynikowej warstwie obiektowej zostanie wygenerowane nowe pole o nazwie ClassLabel.

Tryb przetwarzania

Określa sposób przetwarzania wszystkich elementów rastrowych w usłudze obrazowej.

  • Przetwarzaj jako obraz mozaikowy — wszystkie elementy rastrowe w usłudze obrazowej zostaną połączone w mozaikę i przetworzone. Jest to opcja domyślna.
  • Przetwarzaj wszystkie elementy rastrowe osobno — wszystkie elementy rastrowe w usłudze obrazowej zostaną przetworzone jako osobne obrazy.
.

Nazwa warstwy wynikowej

Nazwa warstwy, która zostanie utworzona w obszarze Moje zasoby i dodana do mapy. Nazwa domyślna jest tworzona w oparciu o nazwę narzędzia i nazwę warstwy wejściowej. Jeśli warstwa już istnieje, wyświetlony zostanie komunikat z monitem o podanie innej nazwy.

Za pomocą listy rozwijanej Zapisz wynik w można podać nazwę folderu w obszarze Moje zasoby, gdzie zostanie zapisany wynik.

Wskazówka:

Kliknij opcję Pokaż kredyty przed uruchomieniem analizy w celu sprawdzenia, ile kredytów zostanie wykorzystanych.

Środowiska

Ustawienia środowiska analiz to dodatkowe parametry wpływające na wyniki działania narzędzia. Dostęp do ustawień środowiska analiz tego narzędzia można uzyskać, klikając ikonę koła zębatego Środowiska analizy u góry panelu narzędzia.

To narzędzie honoruje następujące środowiska analiz:

  • Zasięg – decyduje o obszarze, który ma być używany podczas analizy.
  • Wielkość komórek – wielkość komórek używana w warstwie wynikowej.
  • Interwał ponownego wykorzystywania wątków przetwarzania – definiuje liczbę sekcji obrazu, które należy przetworzyć przed ponownym uruchomienie wątków przetwarzania.
  • Współczynnik przetwarzania równoległego – steruje instancjami procesorów lub procesorów graficznych biorących udział w przetwarzaniu rastra.
  • Liczba ponownych prób w razie niepowodzeń – definiuje liczbę ponownych prób uruchomienia wątków przetwarzania w razie przypadkowych niepowodzeń przetwarzania zadania.

Podobne narzędzia i funkcje rastrowe

Narzędzie Klasyfikuj obiekty metodą Deep Learning jest używane do klasyfikowania obiektów w obrazie. Do rozwiązywania podobnych problemów mogą być przydatne inne narzędzia.

Narzędzia analizy i funkcje rastrowe przeglądarki map Map Viewer Classic

Narzędzie Wykrywaj obiekty metodą Deep Learning jest używane do wykrywania lokalizacji obiektów na obrazie. Narzędzie Klasyfikuj piksele metodą Deep Learning jest używane do klasyfikowania poszczególnych pikseli w obrazie.

Narzędzia analizy i funkcje rastrowe aplikacji ArcGIS Pro

Narzędzie geoprzetwarzania Klasyfikuj obiekty metodą Deep Learning jest dostępne w skrzynce narzędziowej Image Analyst. Inne narzędzia w zestawie narzędzi Deep Learning są używane w procedurach wykonywania zadań opartych na metodzie Deep Learning.

Zasoby dla programistów ArcGIS Enterprise

Jeśli pracujesz z interfejsem ArcGIS REST API, użyj operacji Classify Objects Using Deep Learning.

Jeśli pracujesz z interfejsem ArcGIS API for Python, wykonaj zadania Deep Learning witryny ArcGIS for Python API, korzystając z modułu arcgis.learn.