Ταξινόμηση Αντικειμένων Μέσω Βαθιάς Μάθησης

Ταξινόμηση Αντικειμένων Μέσω Βαθιάς Μάθησης


Το εργαλείο αυτό εκτελεί ένα εκπαιδευμένο μοντέλο βαθιάς μάθησης σε ένα raster εισόδου και ένα προαιρετικό feature class για να παραχθεί ένα feature class ή ένας πίνακας όπου κάθε αντικείμενο εισόδου έχει μια εκχωρημένη ετικέτα κλάσης.

Αν επιλέξετε τη Χρήση τρέχουσας έκτασης χάρτη, θα αναλυθεί μόνο η περιοχή του raster που είναι ορατή εντός της τρέχουσας έκτασης του χάρτη. Αν την αποεπιλέξετε, θα αναλυθεί ολόκληρο το raster ακόμη και αν είναι έξω από την τρέχουσα έκταση του χάρτη.

Επιλογή εικόνας που θα χρησιμοποιείται για την ταξινόμηση αντικειμένων


Η εικόνα εισόδου που θα χρησιμοποιείται για την ανίχνευση αντικειμένων.

Επιλογή feature layer για αντικείμενα (προαιρετικά)


Το θεματικό επίπεδο σημείων, γραμμών ή πολυγώνου του feature layer εισόδου το οποίο προσδιορίζει τη θέση κάθε αντικειμένου που θα ταξινομηθεί και θα σημανθεί με ετικέτες. Κάθε γραμμή στο feature layer εισόδου αναπαριστά μόνο ένα αντικείμενο.

Αν δεν υπάρχει κανένα καθορισμένο feature layer εισόδου, το εργαλείο συμπεραίνει ότι κάθε εικόνα εισόδου περιέχει μόνο ένα αντικείμενο για ταξινόμηση. Αν η εικόνα ή οι εικόνες εισόδου χρησιμοποιούν χωρική αναφορά, το εργαλείο δίνει ένα feature layer στο οποίο η έκταση κάθε εικόνας χρησιμοποιείται ως οριοθετική γεωμετρία για κάθε στοιχείο με ετικέτες. Αν η εικόνα ή οι εικόνες εισόδου δεν έχουν χωρική αναφορά, το εργαλείο δίνει έναν πίνακα που περιέχει τις τιμές των αναγνωριστικών των εικόνων και τις ετικέτες κλάσης για κάθε εικόνα.

Επιλογή μοντέλου βαθιάς μάθησης που θα χρησιμοποιείται για την ταξινόμηση αντικειμένων


Το αντικείμενο ( .dlpk) του πακέτου εισόδου βαθιάς μάθησης.

Το πακέτο βαθιάς μάθησης αποτελείται από το αρχείο JSON ορισμών μοντέλων της Esri ( .emd), το αρχείο δυαδικού μοντέλου βαθιάς μάθησης και, προαιρετικά, τη συνάρτηση raster Python που θα χρησιμοποιηθεί.

Λειτουργία επεξεργασίας


Καθορίζει τον τρόπο επεξεργασίας όλων των αντικειμένων raster σε ένα mosaic dataset ή ένα image service. Αυτή η παράμετρος εφαρμόζεται όταν το raster εισόδου είναι mosaic dataset ή image service.

  • PROCESS_AS_MOSAICKED_IMAGE — Όλα τα στοιχεία raster στο mosaic dataset ή το image service θα μωσαϊκοποιηθούν μαζί και θα υποβληθούν σε επεξεργασία. Αυτή είναι η προεπιλογή.
  • PROCESS_ITEMS_SEPARATELY — Όλα τα στοιχεία raster στο mosaic dataset ή το image service θα υποβληθούν σε επεξεργασία ως ξεχωριστές εικόνες.
<>

Καθορισμός ορισμάτων μοντέλου βαθιάς μάθησης


Τα ορίσματα των συναρτήσεων καθορίζονται στην κλάση συναρτήσεων raster Python η οποία αναφέρεται από το μοντέλο εισόδου. Αυτό είναι το σημείο στο οποίο παραθέτετε πρόσθετες παραμέτρους βαθιάς μάθησης και ορίσματα για πειράματα και λεπτομερειακή ανάλυση, π.χ. ένα κατώφλιο αξιοπιστίας για τη ρύθμιση της ευαισθησίας.

Τα ονόματα των ορισμάτων συμπληρώνονται από το εργαλείο μετά την ανάγνωση της μονάδας Python στον διακομιστή ανάλυσης raster.

Καθορισμός ονόματος πεδίου ετικετών κλάσης


Το όνομα του πεδίου που θα περιέχει την ετικέτα ταξινόμησης στο feature layer εξόδου.

Αν δεν έχει καθοριστεί όνομα πεδίου, στο feature layer εξόδου θα δημιουργηθεί ένα νέο πεδίο με το όνομα ClassLabel .

Λειτουργία επεξεργασίας


Καθορίζει τον τρόπο επεξεργασίας όλων των αντικειμένων raster σε ένα image service.

  • Επεξεργασία ως μωσαϊκοποιημένης εικόνας—Όλα τα αντικείμενα raster στο image service θα μωσαϊκοποιηθούν μαζί και θα υποβληθούν σε επεξεργασία. Αυτή είναι η προεπιλογή.
  • Επεξεργασία των αντικειμένων χωριστά—Όλα τα αντικείμενα raster στο image service θα υποβληθούν σε επεξεργασία ως χωριστές εικόνες.
.

Όνομα θεματικού επιπέδου αποτελεσμάτων


Το όνομα του θεματικού επιπέδου που θα δημιουργηθεί στην ενότητα Το περιεχόμενό μου και θα προστεθεί στο χάρτη. Το προεπιλεγμένο όνομα βασίζεται στο όνομα του εργαλείου και στο όνομα του θεματικού επιπέδου εισόδου. Αν το θεματικό επίπεδο ήδη υπάρχει, θα εμφανιστεί προτροπή για να δώσετε άλλο όνομα.

Μπορείτε να καθορίσετε μέσα στον φάκελο Το περιεχόμενό μου το όνομα ενός άλλου φακέλου όπου θα αποθηκευτεί το αποτέλεσμα με χρήση του πτυσσόμενου πλαισίου Αποθήκευση αποτελέσματος σε.