Klasyfikuj piksele metodą Deep Learning (Map Viewer)

Narzędzie Klasyfikuj piksele metodą Deep Learning używa modelu Deep Learning do klasyfikowania pikseli w warstwie zobrazowań zgodnie ze zdefiniowaną listą etykiet wskazujących na różne klasy.

Danymi wynikowymi jest hostowana warstwa zobrazowań.

Przykład

Narzędzia Klasyfikuj piksele metodą Deep Learning można użyć jako danych wejściowych do wykrywania zmian kategorii między różnymi okresami. Wygenerowane w wyniku sklasyfikowane tematycznie warstwy zobrazowań mogą zostać użyte jako wejściowe warstwy zobrazowań do pomiaru zmian w czasie. Na przykład za pomocą tego narzędzia można utworzyć tematyczną warstwę zobrazowań dla przedmieść dużego miasta dla dwóch okresów z tym samym motywem klasyfikacji. Poprzez porównanie wygenerowanych tematycznych warstw zobrazowań przejście obszarów między klasami z etykietami może zostać zmierzone i przedstawione ilościowo.

Uwagi dotyczące korzystania

Narzędzie Klasyfikuj piksele metodą Deep Learning obejmuje konfiguracje warstwy wejściowej, ustawień modelu i warstwy wynikowej.

Warstwy wejściowe

Grupa Warstwy wejściowe zawiera następujące parametry:

  • Warstwa wejściowa to warstwa zobrazowań lub warstwa, która zostanie użyta do klasyfikacji. Wybrana warstwa zobrazowań powinna opierać się na wymaganiach modelu Deep Learning, który zostanie użyty do klasyfikowania pikseli.
  • 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 pikseli jest modelem Deep Learning, który zostanie użyty do klasyfikacji pikseli. 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.

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.
  • Typ warstwy wynikowej określa typ rastra wynikowego, który zostanie utworzony. Dane wynikowe mogą być warstwą zobrazowań kafelkowych lub dynamiczną warstwą zobrazowań.
  • 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:

Dane wynikowe

Dane wynikowe to klasyfikowana tematycznie warstwa zobrazowań oparta na schemacie klasyfikacji zdefiniowanym w modelu 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: