微调模型

您可以根据自己的地理区域、影像数据或感兴趣要素，对“云掩膜生成 (Sentinel 2)”模型进行个性化微调。 与训练全新模型相比，微调现有模型所需的训练数据量更少，且节省计算资源和时间。

如 ArcGIS 提供的预训练深度学习模型未能达到预期效果，我们推荐您尝试对模型进行微调。 当您的感兴趣区域超出模型的适用地理范围，或者您的影像数据在分辨率、比例尺、季节性等属性上有所差异时，这一做法尤其适用。

您可以借助导出训练数据进行深度学习工具来准备训练数据。 然后，您可以利用 ArcGIS Pro 中的训练深度学习模型工具在数据集上对模型进行微调。 按照以下步骤微调模型。

准备训练数据

该模型训练的基础为 Sentinel-2 L2A BOA Reflectance 栅格以及表示按密度划分为不同种类的云的面要素。 利用导出训练数据进行深度学习工具，为模型微调准备训练数据。

1. 浏览至分析选项卡下的工具。

   

2. 单击地理处理窗格中的工具箱选项卡，选择影像分析工具，然后浏览至深度学习工具集下的导出训练数据进行深度学习工具。

   

3. 按照以下说明设置参数选项卡下的变量：
   1. 对于输入栅格，选择 Sentinel-2 L2A BOA Reflectance。
   2. 对于输出文件夹，浏览至您选择的计算机上的任一目录。
   3. 对于输入要素类、分类栅格或表，可以浏览至已标注的要素类或已分类的栅格。

      此要素类应包含三个按密度划分的云类别（1：低密度，2：中等密度，3：高密度）。

   4. 对于类值字段，选择引用了上述要素类中类值（“1”）的 ClassValue 字段。
   5. 对于图像格式，选择 TIFF 格式。
   6. 对于切片大小 X，输入 256。
   7. 对于切片大小 Y，输入 256。
   8. 对于步幅 X，输入 0。
   9. 对于步幅 Y，输入 0。
   10. 对于元数据格式，选择已分类切片。

       

4. 设置环境选项卡下的变量。
   1. 对于处理范围，根据需要从下拉菜单中选择当前显示范围或任意其他选项。
   2. 对于像元大小，将值设置为所需的像元大小。

      

5. 单击运行。

   处理完成后，导出的训练数据将存储在指定目录中。

微调“云掩膜生成 (Sentinel-2)”模型

按照以下步骤微调模型：

1. 浏览至分析选项卡下的工具。

   

2. 在地理处理窗格中，单击工具箱，然后展开影像分析工具。 选择深度学习下的训练深度学习模型工具。

   

3. 按照以下说明设置参数选项卡下的变量：
   1. 对于输入训练数据，设置之前步骤中导出的训练数据的路径。
   2. 对于输出文件夹，浏览至您选择的计算机上的任一目录。
   3. 可以为最大轮数输入用于微调模型的迭代次数。

      轮数是工具遍历数据所需进行的迭代次数。

   4. 对于预训练模型，输入从 ArcGIS Living Atlas of the World 下载的“云掩膜生成 (Sentinel-2)”(.dlpk) 文件。
   5. 对于批量大小，输入 8。 根据您的 GPU 能力增加或减少此数字。

      批量大小应始终为平方数。

   6. 选中当模型停止改进时停止。
   7. 选中冻结模型。

      

4. 设置环境选项卡下的变量。
   1. 对于处理器类型，根据需要选择 CPU 或 GPU。

      如果可以使用 GPU，建议您选择 GPU 并设置待使用 GPU 的 GPU ID。

      

5. 单击运行。

   现在，您可以将此模型应用于影像数据，进行推理分析。