בחר תמונה לסיווג פיקסלים

הקלט לסיווג.

זה יכול להיות URL של שירות ישויות, שכבת רסטר או שכבת שירות תמונה.

בחר מודל של למידה לעומק (deep learning) המשמש לסיווג פיקסלים

פרט חבילת למידה עמוקה (Deep Learning) ( .dlpk) של הקלט.

חבילת הלמידה העמוקה מורכבת מקובץ JSON של הגדרת מודל Esri ( .emd), קובץ המודל הבינארי של למידה עמוקה, וכאופציה, פונקציית Python של הרסטר לשימוש.

ציין ארגומנטים למודל של למידה לעומק

הארגומנטים של הפונקציה מוגדרים בייחוס קבוצת פונקציית הרסטר Python על ידי מודל הקלט. זה המקום שבו אתה מפרט פרמטרים וארגומנטים נוספים של למידה עמוקה עבור ניסויים ועידונים, כגון סף בר-סמך עבור התאמת הרגישות.

השמות של הארגומנטים מאוכלסים על ידי הכלי מתוך קריאת מודול Python בשרת ניתוח הרסטר.

מצב עיבוד

מציין כיצד יעובדו כל פריטי הרסטר בערכת נתוני מוזאיקה או בשירות תמונות. פרמטר זה מיושם כאשר רסטר הקלט הוא ערכת נתוני מוזאיקה או שירות תמונות.

• PROCESS_AS_MOSAICKED_IMAGE — כל פריטי הרסטר בערכת נתוני הרסטר או בשירות התמונות יהפכו למוזאיקה יחד ויעובדו. זוהי ברירת המחדל.
• PROCESS_ITEMS_SEPARATELY — כל פריטי הרסטר בערכת נתוני המוזאיקה או בשירות תמונות יעובדו כתמונות נפרדות.

שם שכבת התוצאה

השם של השכבה שתיווצר ב התוכן שלי ותתווסף למפה. שם ברירת המחדל מבוסס על שם הכלי ושם שכבת הקלט. אם שם השכבה כבר קיים, תתבקש לספק שם אחר.

באפשרותך לציין את השם של תיקייה ב- התוכן שלי שבה התוצאה תישמר באמצעות התיבה הנפתחת שמור תוצאה ב. אם יש לך הרשאות ליצור שכבות צילומים דינמיות ובאריחים, באפשרותך לציין איזה סוג של שכבה ליצור בפלט באמצעות תיבת הרשימה הנפתחת שמור תוצאה בתור.