Clasificar objetos con aprendizaje profundo
Esta herramienta ejecuta un modelo de aprendizaje profundo entrenado en un ráster de entrada y una clase de entidad opcional para generar una clase de entidad o tabla en la que cada objeto de entrada tenga asignada una etiqueta de clase.
Si se ha activado Usar la extensión del mapa actual, solo se analizará el área ráster visible dentro de la extensión de mapa actual. Si se ha desactivado, se analizará todo el ráster, aunque esté fuera de la extensión de mapa actual.
Elegir imagen utilizada para clasificar objetos
La imagen de entrada usada para detectar objetos.
Elegir capa de entidades para objetos (opcional)
La capa de entidades de entrada de puntos, líneas o polígonos que identifica la ubicación de cada objeto que se va a clasificar y etiquetar. Cada fila de la capa de entidades de entrada representa un único objeto.
Si no se especifica ninguna capa de entidades de entrada, la herramienta asume que cada imagen de entrada contiene un único objeto que se va a clasificar. Si las imágenes de entrada utilizan alguna referencia espacial, la salida de la herramienta es una capa de entidades en la que se utiliza la extensión de cada imagen como la geometría de delimitación para cada entidad etiquetada. Si las imágenes de entrada no se referencian espacialmente, la salida de la herramienta es una tabla que contiene los valores de Id. de imagen y las etiquetas de clase de cada imagen.
Elegir el modelo de aprendizaje profundo utilizado para clasificar objetos
El elemento del paquete de aprendizaje profundo de entrada ( .dlpk).
El paquete de aprendizaje profundo está formado por el archivo JSON de definición de modelo de Esri ( .emd), el archivo de modelo binario de aprendizaje profundo y, opcionalmente, la función ráster de Python que se debe utilizar.
Modo de procesamiento
Especifica cómo se procesarán todos los elementos de ráster en un dataset de mosaico o un servicio de imágenes. Este parámetro se aplica si el ráster de entrada es un dataset de mosaico o un servicio de imágenes.
- PROCESS_AS_MOSAICKED_IMAGE — Se creará un mosaico con todos los elementos de ráster del dataset de mosaico o del servicio de imágenes y se procesarán. Esta es la opción predeterminada.
- PROCESS_ITEMS_SEPARATELY — Todos los elementos de ráster del dataset de mosaico o del servicio de imágenes se procesarán como imágenes separadas.
Especificar los argumentos del modelo de aprendizaje profundo
Los argumentos de función se definen en la clase de función ráster de Python a la que el modelo de entrada hace referencia. Aquí es donde enumera los argumentos y parámetros de aprendizaje profundo adicionales para experimentos y refinamiento, como un umbral de confianza para ajustar la sensibilidad.
La herramienta rellena los nombres de los argumentos a partir de la lectura del módulo de Python del servidor de análisis de ráster.
Definir nombre de campo de etiqueta de clase
El nombre del campo que va a contener la etiqueta de clasificación en la capa de entidades de salida.
Si no se especifica ningún nombre de campo, se generará un nuevo campo denominado ClassLabel en la capa de entidades de salida.
Modo de proceso
Especifica cómo se procesarán todos los elementos de ráster en un servicio de imágenes.
- Procesar como imagen en mosaico: todos los elementos de ráster en el servicio de imágenes se unirán en mosaico y se procesarán. Esta es la opción predeterminada.
- Procesar elementos por separado: todos los elementos de ráster en el servicio de imágenes se procesarán como imágenes separadas.
Nombre de capa de resultados
El nombre de la capa que se creará en Mi contenido y que se agregará 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 ya existe, se le pedirá que indique otro nombre.
Puede especificar el nombre de una carpeta de Mi contenido en la que se guardará el resultado con el cuadro desplegable Guardar el resultado en.