Available with Image Server
В Deep Learning Studio вы управляете процессом глубокого обучения, используя один из двух рабочих процессов - в зависимости от нужного вам результата.
Рекомендуемые рабочие процессы
Поскольку у каждого проекта глубокого обучения могут быть разные входные данные и разных участники команды, рабочие процессы Deep Learning Studio являются гибкими, а действия можно настраивать. Есть два рабочих процесса Deep Learning Studio: полный рабочий процесс и пользовательский рабочий процесс. Чтобы определить, какой рабочий процесс подходит для проекта глубокого обучения, задайте себе следующие вопросы:
- Какой источник данных изображений будет использоваться?
- Какая схема обучающей выборки будет применяться?
- Как управлять сотрудничеством? Какие существующие группы ArcGIS Enterprise будут использоваться или группы будут создаваться? (Этот вопрос относится к проектам, в которых будут новые участники групп.)
- Какой инструмент глубокого обучения будет использован? Что создаст нужный результат? (Вы выбираете тип логического инструмента при создании проекта, и этот инструмент нельзя изменить.)
Полный рабочий процесс
Если вам необходимо комплексное решение, которое проведет вас через процесс глубокого обучения - создание обучающих выборок, обучение модели и создание выходных данных - с помощью одного из логических инструментов, выберите полный рабочий процесс.
На изображении ниже показан полный рабочий процесс для проекта глубокого обучения. Могут быть дополнительные данные, которые можно использовать в процессе для дополнения сбора обучающей выборки и обучения модели.
- Создать проект - на этом этапе процесс Deep Learning Studio начинается с создания в вашей организации элемента, который организует разработку и использование модели глубокого обучения. Создание проекта — это первый шаг, который необходимо выполнить в начале работы, определяющий тип используемого логического инструмента.
- Подготовка обучающих выборок - этот шаг включает в себя создание обучающих выборок путем выбора и подписывания нужных вам объектов, качеств объектов и подписывания пикселов в соответствии с типом вывода глубокого обучения, который будет использоваться для анализа. В этом шаге есть несколько подшагов. Когда вы выберете его в приложении, не все подшаги являются обязательными, но наличие набора одобренных обучающих выборок позволит вам обучить модель глубокого обучения на следующем шаге.
- Модель обучения - этот шаг включает создание модели глубокого обучения путем ее обучения выборкам на основе параметров, заданных на этом шаге. Имеющиеся модели можно использовать в качестве основы для новых, что позволяет настраивать определенные функции.
- Использовать инструмент вывода — на этом этапе используется модель глубокого обучения для обнаружения или классификации изображений в соответствии с используемым инструментом вывода. Для каждого инструмента вывода есть дополнительные параметры и опции модели, которые можно использовать для настройки вывода.
- Просмотреть результаты — после завершения работы инструмента вывода результат отображается на карте из приложения. Оцените результаты процесса вывода и определите, является ли полученный результат приемлемым для анализа.
- Опубликовать результаты - этот шаг публикует результаты, но промежуточные шаги также могут быть опубликованы. Когда процесс глубокого обучения завершится, векторный слой или слой изображений отображает нужные объекты или подписанные пикселы. Результаты можно опубликовать через приложение или как элемент в вашей организации.
Пользовательский рабочий процесс
Если некоторые шаги рабочего процесса были выполнены вне проекта Deep Learning Studio, вы сможете использовать пользовательский рабочий процесс для выполнения анализа. В зависимости от данных и выполненной обработки, в пользовательском рабочем процессе для разных проектов могут использоваться различные инструменты. Например, если для проекта глубокого обучения не нужна модель для обучения, вы можете в пользовательском рабочем процессе воспользоваться инструментом вывода из шага Использовать инструмент вывода полного рабочего процесса. Если модель глубокого обучения отсутствует, а информация для обучения модели была собрана, вы можете использовать шаг Обучение модели полного рабочего процесса, чтобы обучить модель глубокого обучения для вывода в пользовательском рабочем процессе.
В пользовательском рабочем процессе вы можете выполнять действия в том порядке, который лучше всего подходит для проекта. Действия можно выполнять итеративно, и при необходимости вы можете их повторять.