Возможности глубокого обучения доступны в ArcGIS AllSource для изображений и облаков точек через нескольких инструментов и возможностей.
Обучение модели
Перед тем, как использовать модель глубокого обучения для идентификации пространственных объектов или объектов на снимке, в облаке точек или другом наборе данных, ее сначала нужно обучить распознавать эти объекты. Обучение модели глубокого обучения включает множество шагов, похожих на шаги при обучении традиционной модели классификации машинного обучения. Вы должны собрать и указать обучающие выборки и входные данные, затем обучить модель, чтобы она знала, как распознавать нужные объекты.
Подготовка обучающих данных
Панель Отметить объекты для глубокого обучения используется для сбора и создания помеченных наборов данных изображений для тренировки модели глубокого обучения в рабочих процессах для изображений. Вы можете интерактивно выявлять и помечать объекты на снимке, а также экспортировать обучающие данные в виде кусочков изображений, меток и статистики, которые необходимы для обучения модели. Если у вас уже есть векторные или растровые данные с метками, вы можете использовать инструмент Экспорт обучающих данных для глубокого обучения, чтобы создать обучающие данные, необходимые для следующего шага.
Инструмент Подготовка обучающих данных облаков точек генерирует данные для обучения и проверки сверточной нейронной сети для классификации облака точек. Этот инструмент создает множество перекрывающихся блоков несжатых файлов HDF5, используемых для обучения с облаками точек. Дополнительные сведения о подготовке и обучении на данных облаков точек см. Обучение модели глубокого обучения классификации облаков точек.
Подготовка и обучение модели
Инструмент Обучить модель глубокого обучения обучает модель глубокого обучения для рабочих процессов с изображениями, используя подготовленные обучающие данные. Для настройки процесса обучения доступен ряд типов и аргументов.
Инструмент Обучение модели классификации облака точек, чтобы обучить модель глубокого обучения классификации облаков точек. Дополнительные сведения о подготовке и обучении на данных облаков точек см. Обучение модели глубокого обучения классификации облаков точек.
Вывод модели
Вывод модели подразумевает процесс извлечения информации из снимка или облака точек с помощью обученной модели. Опции для вывода модели в ArcGIS AllSource перечислены ниже:
- Выявить объекты – создать ограничивающие рамки вокруг пространственных или непространственных объектов на снимке для выявления их местоположения. Используйте инструмент Выявить объекты при помощи глубокого обучения.
- Классифицировать объекты – создать метки для объектов на снимке для идентификации их класса или категории. Используйте инструмент Классифицировать объекты при помощи глубокого обучения.
- Классифицировать пикселы – создать классифицированный растр, где каждый пиксел принадлежит определенному классу или категории. Используйте инструмент Классифицировать пикселы при помощи глубокого обучения.
- Классифицировать облака точек – создание классифицированного облака точек, в котором точки классифицируются по определенным классификационным кодам. Используйте инструмент Классификация облака точек с использованием обучающей модели. Чтобы узнать больше см. Классификация облака точек с помощью глубокого обучения.
Исследовательский анализ
Инструмент Исследовательский анализ Выявления объектов использует обученную модель глубокого обучения для распознавания объектов, показанных в текущей карте или сцене. Каждый выявленный объект представлен точечным объектом с местоположением в системе координат карты, атрибутами, описывающими ориентацию и экстент, а также с его собственным значением. Инструмент может работать с любой обученной моделью Faster R-CNN, как и с моделями YOLO, SingleShotDetector (SSD) и RetinaNet, разработанными для фактического выявления объектов в активном виде.
Результаты модели
Вы можете просмотреть результаты модели глубокого обучения на двух этапах: после обучения модели и после запуска инструмента логического вывода.
Результаты обучения модели
При обучении модели глубокого обучения для изображений выходные данные инструмента Обучение модели глубокого обучения включают файл с именем model_metric.html. Этот файл содержит информацию об обученной модели, такую как скорость обучения, потери при обучении и проверке, а также средняя оценка точности.
При обучении модели глубокого обучения для облаков точек выходные данные инструмента Обучение модели классификации облака точек включают окно результатов инструмента в разделе сообщений. Подробный отчет содержит потери в обучении, потери при проверке и корректность для каждой эпохи, а также точность, полноту и f1_score для сохраненной модели глубокого обучения. Инструмент также генерирует таблицу CSV, которая содержит точность, полноту и оценку F1 для каждого кода класса за эпоху. Дополнительные сведения о просмотре результатов обучения см. в разделе Оценка результатов обучения на облаках точек.
Результаты вывода модели
После использования модели глубокого обучения просмотрите результаты и оцените точность модели.
Используйте панель Атрибуты для просмотра результатов из объектно-ориентированного вывода (инструменты Классифицировать объекты при помощи глубокого обучения или Выявить объекты при помощи глубокого обучения) или из исследовательского анализа (инструмент Интерактивное обнаружение объекта).
Вы можете использовать инструмент Вычислить точность для обнаружения объектов, чтобы создать таблицу и отчет по оценке точности после обнаружения объектов.