此深度学习模型可用于将地址分类至其相应的国家/地区。
准确定位感兴趣的人员和地点对于推动商业发展和改善政府服务十分重要。 要获得准确位置，必须正确地对地址进行地理编码。 有时，街道地址可能缺少国家/地区信息，而对不完整的地址进行地理编码通常会导致结果不够准确。 当指定国家/地区时，地理编码的准确性和性能会有所提升。 此模型可以为不完整的地址自动分配其所属的国家/地区，从而进行分类。
此深度学习模型根据 openaddresses.io 提供的地址数据集进行了训练，可用于分类 18 个国家/地区的地址。
许可要求
要完成此工作流，需满足以下许可要求：
- ArcGIS Pro - Advanced 许可
- ArcGIS API for Python
模型详细信息
此模型具有以下特征：
- 输入 - 将执行国家/地区分类的文本。 文本应包含街道号码或公寓号码、街道名称、城市或州。
- 输出 - 文本（国家/地区）。
- 计算 - 此为计算密集型工作流，建议使用计算能力为 6.0 或以上的 GPU。
- 受支持国家/地区的代码或名称 - 此模型适用于 18 个国家/地区的地址：
- AR - 阿根廷
- AT - 奥地利
- AU - 澳大利亚
- BE - 比利时
- CA - 加拿大
- CH - 瑞士
- DE - 德国
- DK - 丹麦
- ES - 西班牙
- FI - 芬兰
- FR - 法国
- IS - 冰岛
- IT - 意大利
- KR - 韩国
- LU - 卢森堡
- NZ - 新西兰
- SI - 斯洛文尼亚
- US - 美国
- 准确率指标 - 下表汇总了模型对于验证数据集的精确率、召回率和 F1 得分。
访问和下载模型
从 ArcGIS Living Atlas of the World 下载国家/地区分类预训练模型。
- 浏览至 ArcGIS Living Atlas of the World。
- 使用您的 ArcGIS Online 凭据进行登录。
- 搜索 Country Classification，然后从搜索结果中打开项目页面。
- 单击下载按钮以下载模型。
您可以在 ArcGIS Pro 中直接使用下载的 .dlpk 文件，或者在 ArcGIS Enterprise 中上传并使用文件。 还可以根据需要微调预训练模型。
发布说明
以下为发布说明：
| 日期 | 描述 |
|---|---|
| 2022 年 7 月 |
|