Classificar Objetos Utilizando Aprendizagem Detalhada (Map Viewer)

A ferramenta Classificar Objetos Utilizando Aprendizagem Detalhadatool executa um modelo de aprendizagem detalhada em uma camada de imagens para produzir uma camada ou tabela de feições na qual cada objeto de entrada é classificada.

A saída é uma camada de feição hospedada.

Exemplos

Cenários de exemplo para o uso desta ferramenta incluem o seguinte:

  • Avalie edifícios danificados após um desastre natural. Com uma camada de feições de área de cobertura de edifícios e uma camada de imagens mostrando as áreas danificadas, a ferramenta pode indicar se os edifícios existentes foram danificados.
  • Indicar a saúde da copa das árvores existentes. Com uma camada de feição das copas das árvores e uma camada de imagem mostrando a copa das árvores atual, a ferramenta pode indicar se as árvores existentes estão saudáveis ​​ou sob estresse.

Anotações de uso

Classificar Objetos usando Deep Learning inclui configurações para camadas de entrada, configurações de modelo e camada de resultado.

Camada de entrada

O grupo Camadas de entrada inclui os seguintes parâmetros:

  • Camada de imagens de entrada ou camada de feição é a camada ou camadas de imagens que serão usadas para classificar objetos. A camada de imagens selecionada deve ser baseada nos requisitos do modelo de aprendizagem detalhada que será usado para classificar os objetos. A camada de imagens pode ser multidimensional ou uma coleção de imagens.
  • A Camada de feições de entrada são as feições que indicam as posições a serem classificadas. Cada linha na camada de feição de entrada representa um objeto único. Se nenhuma camada de feição de entrada for especificada, é assumido que cada imagem de entrada contenha um único objeto a ser classificado.
  • Modo de processamento especifica como os itens raster na camada de imagem serão processados. Estas opções são as seguintes:
    • Processar como imagem em mosaico—Todos os itens raster no conjunto de dados do mosaico ou serviço de imagem serão mosaicados juntos e processados. Este é o padrão.
    • Processe todos os itens raster separadamente—Todos os itens raster no conjunto de dados de mosaico ou serviço de imagem serão processados ​​como imagens separadas.

Configurações do modelo

O grupo Configurações do modelo inclui os seguintes parâmetros:

  • O Modelo para classificação de objetos é o modelo de deep learning que será usado para classificar os objetos. O modelo de aprendizagem detalhada deve estar localizado no ArcGIS Online para ser selecionado na ferramenta. Você pode selecionar seu próprio modelo, um modelo disponível publicamente no ArcGIS Online ou um modelo do ArcGIS Living Atlas of the World.
  • Argumentos do modelo especifica os argumentos de função definidos na classe de função raster do Python. Parâmetros adicionais de aprendizagem detalhada e argumentos para experimentos e refinamento são listados, como um limite de confiança para ajustar a sensibilidade. Os nomes dos argumentos são preenchidos a partir do módulo de Python.
  • O Nome do campo do rótulo da classe de saída é o nome do campo que conterá o rótulo de classificação na camada ou tabela de feição hospedada de saída..

Camada resultante

O grupo de Camada de resultado inclui os seguintes parâmetros:

  • Nome de saída especifica o nome da camada que é criada e adicionada ao mapa. O nome deve ser único. Se já existir uma camada com o mesmo nome em sua organização, a ferramenta falhará e você será solicitado a usar um nome diferente.
  • Salvar na pasta especifica o nome de uma pasta em Meu conteúdo onde o resultado será salvo.

Ambientes

As configurações do ambiente de análise são parâmetros adicionais que afetam os resultados de uma ferramenta. Você pode acessar as configurações do ambiente de análise da ferramenta no grupo de parâmetros Configurações do ambiente.

Esta ferramenta respeita os seguintes ambientes de análise:

Créditos

Esta ferramenta consome créditos.

Use Estimar créditos para calcular o número de créditos que serão necessários para executar a ferramenta. Para obter mais informações, consulte Compreender os créditos para análise espacial.

Saídas

Esta ferramenta inclui as seguintes saídas:

  • Uma camada de feição hospedada com os objetos ou feições rotuladas com base na classificação determinada pelo modelo de deep learning.
  • Uma tabela com os locais rotulados com base na classificação determinada pelo modelo de deep learning.

Requisitos de uso

Esta ferramenta requer o seguinte tipo de usuário e configurações:

  • Professional ou tipo de usuário Professional Plus
  • Papel de Publisher, Facilitador ou Administrator, ou um papel personalizado equivalente com o privilégio Análise de imagens​

Recursos

Utilize os seguintes recursos para saber mais: