Objektumok osztályozása mély tanulás használatával

Objektumok osztályozása mély tanulás használatával


Ez az eszköz tanított mély tanulási modellt futtat egy bemeneti raszteren és egy opcionális vektoroselem-osztályon egy osztályozott raszter vagy táblázat létrehozására, amelyben minden bemeneti objektum rendelkezik hozzárendelt osztálycímkével.

Ha az Aktuális térképkiterjedés használata ki van választva, a program csak az aktuális térkép-kiterjedésen látható raszterterületet elemzi. Ha nincs kiválasztva, akkor az egész rasztert elemzi, akkor is, ha az kívül esik az aktuális térkép-kiterjedésen.

Objektumok osztályozásához használt kép kiválasztása


Válassza ki az objektumok felismeréséhez használt bemeneti képet.

Vektoros réteg választása objektumokhoz


Az egyes osztályozni és címkézni kívánt objektumok helyét meghatározó pont, vonal vonal vagy poligon bemeneti vektoros réteg. A bemeneti vektoros réteg mindegyik sora egyetlen objektumot képvisel.

Ha nincs megadva vektoros réteg, akkor az eszköz azt feltételezi, hogy mindegyik bemeneti kép egyetlen osztályozni kívánt objektumot tartalmaz. Ha a bemeneti kép vagy képek térbeli referenciát használnak, akkor az eszköz vektoros réteget ad kimenetként, amelyben az egyes képek kiterjedése az egyes címkézett vektoros elemek határoló geometriájaként szolgál. Ha a bemeneti kép vagy képek nem használnak térbeli referenciát, akkor az eszköz kimenetként az egyes képekre vonatkozó képazonosító értékeket és osztálycímkéket tartalmazó táblát ad.

Válassza ki az objektumok osztályozásához használt mély tanulási modellt


Bemeneti deep learning csomag ( .dlpk) elem.

A deep learning csomag ebből áll: Esri modelldefiníciós JSON-fájl ( .emd), deep learning bináris modellfájl, valamint opcionálisan az alkalmazandó Python raszterfunkció.

Feldolgozási mód


Azt határozza meg, hogyan lesznek feldolgozva a mozaik-adathalmazban vagy a raszteres szolgáltatásban lévő raszteres elemek. Ezt a paramétert akkor kell alkalmazni, amikor a bemeneti raszter egy mozaik-adathalmaz vagy egy raszteres szolgáltatás.

  • PROCESS_AS_MOSAICKED_IMAGE — A mozaik-adathalmazban vagy képszolgáltatásban lévő összes raszterelem együtt lesz mozaikká alakítva és feldolgozva. Ez az alapértelmezés.
  • PROCESS_ITEMS_SEPARATELY — A mozaik-adathalmazban vagy képszolgáltatásban lévő összes raszterelemet külön képekként dolgozza fel a rendszer.
<>

Adja meg a deep learning modell argumentumait


A funkcióargumentumokat a Python raszterfunkció osztályhivatkozásban a bemeneti modell definiálja. Itt lehet listázni a kiegészítő deep learning paramétereket és argumentumokat kísérletekhez és finomításokhoz, mint például konfidenciaküszöböt az érzékenység állításához.

Az argumentumok nevét az eszköz tölti fel a Python modulból kiolvasva.

Osztálycímkemező nevének meghatározása


Annak a mezőnek a neve, amely majd az osztályozási címkét tartalmazza a kimeneti vektoros rétegben.

Ha nincs megadva mezőnév, akkor a rendszer új, ClassLabel nevű mezőt hoz létre a kimeneti vektoros rétegben.

Feldolgozás módja


Azt határozza meg, hogy miként lesz feldolgozva egy adott képszolgáltatásban lévő összes raszterelem.

  • Feldolgozás mozaikképként – A képszolgáltatásban lévő összes raszterelem együtt lesz mozaikká alakítva és feldolgozva. Ez az alapértelmezés.
  • Elemek feldolgozása külön – A képszolgáltatásban lévő összes raszterelemet külön képekként dolgozza fel a rendszer.
.

Eredmény réteg neve


A Saját tartalom alatt létrejövő és a térképhez hozzáadott réteg neve. Az alapértelmezett név az eszköz nevén és a bemenő réteg nevén alapul. Ha a réteg már létezik, akkor a program megkéri, hogy adjon meg egy másik nevet.

Az Eredmény mentési helye legördülő mezőben megadhatja a Saját tartalommappájának nevét, ahová az eszköz menti az eredményt.