تصنيف وحدات البكسل باستخدام التعلم الشامل

تصنيف وحدات البكسل باستخدام التعلم الشامل


تشغل هذه الأداة نموذج تدريب شامل ومدرب على بيانات نقطية للإدخال لإنتاج بيانات نقطية مصنفة، مع بكسل صالح مخصص له تسمية فئة.

إذا تم التأشير على استخدام نطاق الخريطة الحالي، سيتم فقط تحليل منطقة البيانات النقطية المرئية داخل نطاق الخريطة الحالي. إذا لم يتم التأشير عليها، سيتم تحليل البيانات النقطية بالكامل، حتى إذا كانت خارج نطاق الخريطة الحالي.

اختيار صورة مستخدمة لتصنيف البكسل


صورة الإدخال للتصنيف.

يمكن أن يكون عنوان URL لخدمة صورة أو طبقة بيانات نقطية أو طبقة خدمة صورة.

اختيار نموذج التعلم الشامل المستخدم لتصنيف البكسل


عنصر باقة التعلم الشامل ( .dlpk) للإدخال.

تتألف باقة التعلم الشامل من ملف JSON لتعريف نموذج Esri ( .emd) وملف النموذج الثنائي للتعلم الشامل، واستخدام دالة البيانات النقطية Python، اختياريًا.

تحديد وسيطات نموذج التعلم الشامل


تُحدد وسيطات الدالة في تصنيف دالة البيانات النقطية Python التي يُشار إليها من قبل نموذج الإدخال. هذا هو المكان الذي تُدرج فيه وسيطات ومعلمات التعلم الشامل للتجارب والتحسين، مثل حد الثقة لتعديل الحساسية.

تتم تعبئة أسماء الوسيطات من قبل الأداة من قراءة وحدة Python على خادم تحليل البيانات النقطية.

وضع المعالجة


يحدد كيفية معالجة جميع عناصر البيانات النقطية في مجموعة بيانات فسيفساء أو خدمة صورة. يتم تطبيق هذه المعلمة عندما تكون البيانات النقطية المدخلة عبارة عن مجموعة بيانات فسيفساء أو خدمة صورة.

  • PROCESS_AS_MOSAICKED_IMAGE — سيتم تجميع جميع العناصر النقطية في مجموعة بيانات الفسيفساء أو خدمة الصورة معًا ومعالجتها. هذا هو الوضع الافتراضي.
  • PROCESS_ITEMS_SEPARATELY — ستتم معالجة جميع عناصر البيانات النقطية في مجموعة بيانات الفسيفساء أو خدمة الصور كصور منفصلة.
<>

اسم طبقة النتيجة


سيتم إنشاء اسم الطبقة في المحتوى وسيتم إضافته إلى الخريطة. يستند الاسم الافتراضي إلى اسم الأداة واسم الطبقة المدخلة. إذا وُجدت الطبقة بالفعل، سيطلب منك كتابة اسم آخر.

يمكنك تحديد اسم مجلد في محتواي حيث سيتم حفظ النتيجة باستخدام المربع المنسدل حفظ النتيجة في إذا كان لديك امتيازات لإنشاء طبقات صور متجانبة وديناميكية، فيمكنك تحديد نوع الطبقة لإنشاء الإخراج باستخدام مربع القائمة المنسدلة حفظ النتيجة كـ.