Инструмент Классифицировать объекты с помощью глубокого обучения запускает модель глубокого обучения с входным растром и дополнительным классом пространственных объектов для создания класса объектов или таблицы, где у каждого входного пространственного или не пространственного объекта есть назначенный ему класс или подпись категории.
Примечание:
Теперь этот инструмент доступен в Map Viewer, современный инструмент для создания карт в ArcGIS Online. Чтобы узнать больше, см. раздел Классификация объектов с использованием глубокого обучения (Map Viewer).
Если вы не видите этот инструмент в Map Viewer Classic, свяжитесь с администратором организации. Ваша учетная запись должна иметь тип пользователя Professional или Professional Plus и права на выполнение анализа изображений
Схема рабочего процесса
Примеры
- Взяв изображение и класс объектов, содержащий местоположения домов, классифицируйте каждый дом либо как поврежденный, либо как неповрежденный, используя обученную модель глубокого обучения.
- Взяв набор изображений, на каждом из которых показано одно дерево, классифицируйте каждое дерево, как здоровое или нездоровое, используя обученную модель глубокого обучения.
Примечания по использованию
Входная модель глубокого обучения для этого инструмента должна быть элементом пакета глубокого обучения (.dlpk), который хранится на вашем портале. Вы можете создать элемент .dlpk с помощью инструмента геообработки Тренировать модель глубокого обучения в ArcGIS Pro или ArcGIS REST API инструмент анализа растра.
Входной элемент .dlpk должен включить файл определения модели Esri (.emd). См. пример файла .emd ниже.
{
"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]
}
]
}Если отмечено Использовать текущий экстент карты, будут анализироваться только те пикселы, которые видны в текущем экстенте карты. Если этой отметки нет, будет проанализирован весь слой входных изображений.
Параметры этого инструмента перечислены в следующей таблице:
| Параметр | Объяснение |
|---|---|
| Выбор изображения для определения объектов | Входное изображение, которое будет использоваться для классификации объектов. |
| Выберите векторный слой для объектов (дополнительно) | Входной векторный слой точек, линий или полигонов, определяющий местоположения всех объектов, которые будут классифицироваться и отмечаться. Каждая строка входного векторного слоя представляет отдельный объект. Если входной векторный слой не указан, считается, что каждое входное изображение содержит один объект для классификации. Если у входного изображения или изображений есть пространственная привязка, то на выходе этого инструмента будет получен векторный слой, в котором экстент каждого изображения используется в качестве ограничивающей геометрии для любого отмеченного объекта. Если входное изображение или изображения не имеют пространственной привязки, то на выходе инструмента будет получена таблица, содержащая значения ID изображений и метки классов для каждого изображения. |
| Выбор модели глубокого обучения для классификации объектов | Элемент входных данных пакета глубокого обучения (.dlpk). Пакет глубокого обучения включает JSON-файла определения модели Esri (.emd), двоичного файла модели глубокого обучения и, при необходимости, растровой функции Python. |
| Введите аргументы модели глубокого обучения | Аргументы функции задаются в растровой функции Python, на который ссылается входная модель. Там перечисляются дополнительные параметры глубокого обучения и аргументы для улучшения, например, порог достоверности для настройки чувствительности. Названия аргументов заполняются инструментом при чтении модуля Python. |
| Задать имя поля меток класса (дополнительно) | Имя поля, которое будет содержать метку классификации в выходном векторном слое. Если имя поля не указано, то в выходном векторном слое будет создано новое поле с именем ClassLabel. |
| Режим обработки | Определяет, как будут обрабатываться элементы растров в сервисе изображений.
|
| Имя слоя результата | Имя слоя, который будет добавлен в Мои ресурсы и на карту. Имя слоя по умолчанию зависит от имени инструмента и имени входного слоя. Если имя слоя уже используется, появится запрос ввести новое имя. Вы можете указать имя папки в Моих ресурсах, где будет сохранен результат, с помощью ниспадающего списка Сохранить результат в. |
Подсказка:
Щелкните Показать кредиты до запуска анализа, чтобы узнать, сколько сервисных кредитов будет потрачено.
Параметры среды
Параметры среды анализа - это дополнительные параметры, которые влияют на результаты работы инструмента. Вы можете получить доступ к настройкам среды анализа инструмента, щелкнув кнопку шестеренки сред анализа 
в верхней части панели инструментов.
Этот инструмент поддерживает следующие Параметры среды анализа:
- Экстент - указывает область, которая будет использоваться для анализа.
- Размер ячейки - размер ячейки для использования в выходном слое.
Сходные инструменты и функции растра
Используйте инструмент Классифицировать объекты при помощи глубокого обучения для классификации объектов на изображении. Другие инструменты могут применяться для решения похожих задач.
Инструменты анализа Map Viewer Classic и функции растра
Используйте инструмент Выявить объекты при помощи глубокого обучения для поиска объектов на снимке. Используйте инструмент Классифицировать пикселы при помощи глубокого обучения для классификации каждого пиксела в изображении.
Инструменты анализа ArcGIS Pro и функции растра
Инструмент геообработки Классифицировать объекты при помощи глубокого обучения находится в наборе инструментов Image Analyst. Другие инструменты из группы Глубокое обучение выполняют процессы глубокого обучения.
Ресурсы для разработчиков ArcGIS Enterprise
Если вы работаете в ArcGIS REST API, используйте операцию Classify Objects Using Deep Learning.
Если вы работаете в ArcGIS API for Python, выполните задачи глубокого обучения 
с помощью модуля arcgis.learn.