使用模型

您可以在 ArcGIS Pro 中的 Image Analyst 工具箱提供的使用深度学习分类像素工具中使用此模型。 按照以下步骤使用模型分类影像中的土地覆盖。

受支持的影像

建议的影像配置如下：

• 分辨率 - 高分辨率（80 - 120 厘米）
• 动态范围 - 8 位无符号
• 波段 - 三个波段（例如，红色、绿色和蓝色）
• 影像 - 正射校正影像（动态和持续性正射产品均可）

注：

偏离像底点的影像或具有高倾斜角度的影像无法生成合适的结果。

如果您的影像已采用建议的影像配置，则可以跳过预处理，直接转至“分类土地覆盖”部分。

处理 Worldview-2 影像

1. 打开 ArcGIS Pro，然后在内容窗格中浏览至影像产品。
2. 展开产品（.imd 文件），然后将 Pansharpen 图层添加到地图。

   

3. 右键单击新添加的图层，然后选择编辑函数链
4. 在函数链窗口中单击拉伸函数以编辑拉伸属性。

   

5. 在拉伸属性窗格中，执行以下操作：
   1. 在常规选项卡上，将输出像素类型更改为 8 位无符号。

      

   2. 保留参数选项卡上的默认设置。

      

6. 单击应用按钮以应用更改。

   单击工具顶部菜单中的播放按钮以应用更改。

   

分类土地覆盖

使用以下步骤分类影像中的土地覆盖：

1. 下载高分辨率土地覆盖分类 - 美国模型，然后在 ArcGIS Pro 中添加影像图层。
2. 缩放至感兴趣区域。

   

3. 浏览至分析选项卡上的工具。

   

4. 单击地理处理窗格中的工具箱选项卡，选择 Image Analyst 工具，然后浏览至深度学习下的使用深度学习分类像素工具。

   

5. 按照以下说明设置参数选项卡上的变量：
   1. 输入栅格 - 选择影像。
   2. 输出分类栅格 - 设置将包含分类结果的输出要素类。
   3. 模型定义 - 选择预训练模型或微调模型的 .dlpk 文件。
   4. 参数（可选）- 根据需要更改参数值。
      • batch_size - 模型推断每个步骤中处理的影像切片数。 这取决于显卡的内存。
      • tile_size - 影像切片的宽度和高度，影像将按照此值分割以进行预测。
      • padding - 影像切片边界处的像素数，将根据这些像素为相邻切片混合预测。 增加此值以减少边伪影，使输出更加平滑。 内边距的最大值可以是切片大小值的一半。
      • predict_background - 如果设置为 True，则也会对背景进行分类。
      • test_time_augmentation - 在预测期间执行测试时数据增强。 如果值为 true，则输入影像的翻转和旋转变体的预测将合并到最终输出中。
      • detailed_classes - 输出标注的 Chesapeake Bay 土地覆盖类别。 默认值为 True，表示输出有 9 个土地覆盖类别。 使用 False 可以使输出有 7 个土地覆盖类别。

      

      注：

      要从 ArcGIS Pro 直接访问模型，请单击浏览按钮并搜索模型（ArcGIS Pro 2.7 及更高版本支持此操作）。

      

6. 按照以下说明设置环境选项卡上的变量：
   1. 处理范围 - 从下拉菜单中选择当前显示范围或任意其他选项。
   2. 像元大小（必填项）- 将值设置为 1（以米为单位）。

      预期栅格分辨率为 1 米。

   3. 处理器类型 - 选择 CPU 或 GPU。

      如果可以，建议您选择 GPU 并设置 GPU ID 以指定要使用的 GPU。

      

7. 单击运行。

   输出图层将添加到地图。

   

微调模型

要使用特定配置微调模型，请按照下方指示加载 Esri 模型定义 (EMD) 文件：

• 输出栅格具有 9 个类别 - 默认情况。 直接使用 .dlpk 文件。
• 输出栅格具有 7 个类别 - 解压 .dlpk 文件并使用 HighResolutionLandCoverClassification_USA/7class/7class.emd。