微调模型

您可以微调“电力线分类”模型，使其适应您的特定 3D 应用。 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。

如果现有 ArcGIS 预训练深度学习模型未能得到满意结果，建议进行微调。 当您的输入数据集在密度、传感器或源类型、感兴趣对象的几何特性或者地形类型的重大变化等方面与预训练模型的训练数据存在显著差异时，可能会出现这种情况。

可以使用准备点云训练数据工具来准备训练数据。 接下来，您可以使用 ArcGIS Pro 中的训练点云分类模型工具，根据您的数据微调该模型。 按照以下步骤微调模型。

准备训练数据

此模型在分类点云上进行训练，训练过程中未考虑任何属性。 预训练模型的感兴趣类代码为 0、14 和 15，其中 0 代表背景点，14 代表配电线路点，15 代表配电塔/杆点。 可以使用相同的类结构，通过准备点云训练数据工具来准备微调训练数据。

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 3D Analyst 工具，然后浏览至点云工具集中的准备点云训练数据工具。

   

3. 按照以下说明设置参数选项卡下的所需变量：
   1. 对于输入点云，选择训练 LAS 数据集。
   2. 对于验证点云，选择验证 LAS 数据集。
   3. 对于输出训练数据，设置输出训练数据 (.pctd) 的位置和名称。
   4. 将块大小设置为 70 米，与用于预训练模型的块大小相同。
   5. 将块点限制设置为 20000，与用于预训练模型的块点限制相同。

      

4. 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“电力线分类”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，单击工具箱选项卡，然后展开 3D Analyst 工具。 选择点云工具集下的训练点云分类模型工具。

   

3. 按照以下说明设置参数选项卡下的所需变量：
   1. 对于输入训练数据，设置训练数据 (.pctd) 的位置。
   2. 对于预训练模型，提供预训练模型的路径。
   3. 对于输出模型位置，设置将存储包含深度学习模型的新目录的文件夹路径。
   4. 对于输出模型名称，提供输出模型的名称。
   5. 将批量大小设置为 2。 根据您的 GPU 能力增加或减少此数字。

      批量大小必须为平方数。

      

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点云数据集，进行推理分析。