“使用深度学习检测变化”工具可使用经过训练的深度学习模型检测两个栅格图层之间的变化。
将输出托管影像图层。
示例
假设有两个光谱相似的影像图层和指示变化区域的深度学习模型，用于检测两个影像图层之间的变化区域。
用法说明
“使用深度学习检测对象”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：
- 变化前的输入栅格为表示之前影像图层的影像图层。 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。
- 变化后的输入栅格为表示之后影像图层的影像图层。 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。
模型设置
模型设置组包含以下参数：
- 变化检测模型是将用于检测变化的深度学习模型。 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显示的图层的名称。 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 中的使用深度学习检测变化
- ArcGIS API for Python 中的 detect_change_using_deep_learning。
- ArcGIS Pro 中的使用深度学习检测变化。