“使用深度学习分类像素”工具使用深度学习模型根据定义的标注列表(表示不同的类别)对影像图层中的像素进行分类。
将输出托管影像图层。
示例
“使用深度学习分类像素”工具可用作不同时间段的分类变化检测的输入。 作为输出生成的已分类专题影像图层可用作输入影像图层以用于测量随时间的变化。 例如,可以使用此工具为大城市的郊区创建分类主题相同的两个时间段的专题影像图层。 可通过比较生成的专题影像图层,来测量和量化标注的类别之间的区域过渡。
用法说明
“使用深度学习分类像素”包含输入图层、模型设置和结果图层的配置。
输入图层
输入图层组包括以下参数:
- 输入图层为影像图层或要用于分类的图层。 所选的影像图层应基于要用于对像素进行分类的深度学习模型的要求。
- 处理模式用于指定影像图层中栅格项目的处理方式。 选项如下:
- 以镶嵌影像方式处理 - 镶嵌数据集或影像服务中的所有栅格项目将镶嵌在一起并进行处理。 这是默认设置。
- 单独处理所有栅格项目 - 镶嵌数据集或影像服务中的所有栅格项目都将作为单独的影像进行处理。
模型设置
模型设置组包含以下参数:
- 像素分类模型是将用于分类像素的深度学习模型。 深度学习模型必须位于 ArcGIS Online 中才能在工具中进行选择。 您可以选择自己的模型、ArcGIS Online 中提供的公共模型或 ArcGIS Living Atlas of the World 中的模型。
- 模型参数用于指定在 Python 栅格函数类中定义的函数参数。 其中列出了其他深度学习参数和用于试验和优化的参数,例如用于调整灵敏度的置信度阈值。 参数名称将通过 Python 模块进行填充。
结果图层
结果图层组包括以下参数:
- 输出名称用于指定要创建并添加至地图的图层的名称。 名称必须唯一。 如果组织中已存在具有相同名称的图层,则工具将执行失败并提示您使用其他名称。
- 输出图层类型用于指定将创建的栅格输出的类型。 可以输出切片影像图层或动态影像图层。
- 保存在文件夹中将指定我的内容中将用于保存结果的文件夹的名称。
环境
分析环境设置是影响工具执行结果的附加参数。 可以从环境设置参数组访问工具的分析环境设置。
此工具支持以下分析环境:
输出
将输出基于在深度学习模型中定义的分类方案的已分类专题影像图层。
使用要求
该工具需要以下用户类型和配置:
- Professional 或 Professional Plus 用户类型
- 发布者、服务商或管理员角色,或具有影像分析权限的等效自定义角色
资源
请通过以下资源了解更多详细信息:
- ArcGIS REST API 中的使用深度学习分类像素
- ArcGIS API for Python 中的 classify_pixels 函数
- ArcGIS Pro 中的使用深度学习分类像素