Classifica els objectes amb Aprenentatge profund
Aquesta eina executa un model d'aprenentatge profund format en un ràster d'entrada i una classe d'entitat opcional per produir una classe d'entitat o una taula en què cada objecte d'entrada té una etiqueta de classe assignada.
Si l'opció Utilitza l'extensió del mapa actual està seleccionada, només s'analitzarà l'àrea de ràster que sigui visible a l'extensió de mapa actual. Si l'opció està desactivada, s'analitzarà tot el ràster, encara que estigui fora de l'extensió de mapa actual.
Trieu la imatge utilitzada per classificar els objectes
Imatge d'entrada utilitzada per detectar objectes.
Trieu la capa d'entitats per als objectes (opcional)
Capa d'entitats d'entrada de punt, línia o polígon que identifica la ubicació de cada objecte que s'ha de classificar i etiquetar. Cada fila de la capa d'entitats d'entrada representa un sol objecte.
Si no s'especifica cap capa d'entitats d'entrada, l'eina dona per fet que cada imatge d'entrada conté un sol objecte per classificar. Si la imatge o les imatges d'entrada utilitzen una referència espacial, la sortida de l'eina és una capa d'entitats, en què l'extensió de cada imatge s'utilitza com a geometria de delimitació per a cada entitat etiquetada. Si la imatge o les imatges d'entrada no utilitzen cap referència espacial, la sortida de l'eina és una taula que conté els valors d'ID de la imatge i les etiquetes de classe de cada imatge.
Trieu el model d'aprenentatge profund utilitzat per classificar els objectes
Element del paquet d'aprenentatge profund d'entrada ( .dlpk).
El paquet d'aprenentatge profund es compon del fitxer JSON de definició del model d'Esri ( .emd), el fitxer del model binari d'aprenentatge profund i, de manera opcional, la funció de ràster de Python que s'utilitzarà.
Mode de processament
Especifica com es processaran tots els elements de ràster d'un dataset de mosaic o un servei d'imatges. Aquest paràmetre s'aplica si el ràster d'entrada és un dataset de mosaic o un servei d'imatges.
- PROCESS_AS_MOSAICKED_IMAGE — Es crearà un mosaic de tots els elements de ràster del dataset de mosaic o el servei d'imatges i es processaran. Aquesta és l'opció per defecte.
- PROCESS_ITEMS_SEPARATELY — Tots els elements de ràster del dataset de mosaic o el servei d'imatges es processaran com a imatges independents.
Especifiqueu els arguments del model d'aprenentatge profund
Els arguments de funció es defineixen a la classe de la funció de ràster de Python a la qual fa referència el model d'entrada. Aquí és on indiqueu els paràmetres i arguments d'aprenentatge profund addicionals per als experiments i el refinament, com ara el llindar de confiança per ajustar la sensibilitat.
Els noms dels arguments els emplena l'eina a partir de la lectura del mòdul de Python al servidor d'anàlisi de ràster.
Definiu el nom del camp d'etiqueta de classe
Nom del camp que contindrà l'etiqueta de classificació de la capa d'entitats de sortida.
Si no s'especifica cap nom del camp, se'n generarà un de nou anomenat ClassLabel a la capa d'entitats de sortida.
Mode de processament
Especifica com es processaran els elements de ràster en un servei d'imatges.
- Processa com a imatge en mosaic: es crearà un mosaic de tots els elements de ràster del servei d'imatges i es processaran. Aquesta és l'opció per defecte.
- Processa els elements per separat: tots els elements de ràster del servei d'imatges es processaran per separat.
Nom de la capa de resultats
Nom de la capa que es crearà a El meu contingut i s'afegirà al mapa. El nombre predeterminado se basa en el nombre de la herramienta y en el nombre de la capa de entrada. Si la capa ja existeix, se us demanarà que proporcioneu un altre nom.
Podeu especificar el nom d'una carpeta de El meu contingut on es desarà el resultat mitjançant el quadre desplegable Desa el resultat a.