Klasifikasikan Objek Menggunakan Deep Learning
Alat ini menjalankan model deep learning yang terlatih pada raster input dan feature class opsional untuk menghasilkan feature class atau tabel dengan setiap objek input telah menetapkan label kelas.
Jika Gunakan jangkauan peta saat ini dicentang, hanya area raster yang terlihat dalam jangkauan peta saat ini yang akan dianalisis. Jika tidak dicentang, keseluruhan raster akan dianalisis, bahkan jika raster berada di luar jangkauan peta saat ini.
Pilih gambar yang digunakan untuk mengklasifikasikan objek
Gambar input yang digunakan untuk mendeteksi objek.
Pilih feature layer untuk objek (Opsional)
Titik, garis, atau feature layer input poligon yang mengidentifikasi lokasi setiap objek yang akan diklasifikasikan dan diberi label. Setiap baris di feature layer input mewakili satu objek.
Jika tidak ada feature layer input yang ditentukan, alat mengasumsikan bahwa setiap gambar input berisi satu objek tunggal yang akan diklasifikasikan. Jika gambar input menggunakan referensi spasial, output dari alat adalah feature layer, di mana jangkauan setiap gambar digunakan sebagai geometri pembatas untuk setiap fitur berlabel. Jika gambar input tidak direferensikan secara spasial, output dari alat adalah tabel yang berisi nilai ID gambar dan label kelas untuk setiap gambar.
Pilih model deep learning yang digunakan untuk mengklasifikasikan objek
Item paket deep learning input ( .dlpk).
Paket deep learning terdiri atas file JSON definisi model Esri ( .emd), file model biner deep learning, dan secara opsional, fungsi raster Python yang akan digunakan.
Mode Pemrosesan
Menentukan cara memproses semua item raster dalam set data mosaik atau layanan gambar. Parameter ini diterapkan saat raster input berupa set data mosaik atau layanan gambar.
- PROCESS_AS_MOSAICKED_IMAGE — Semua item raster dalam set data mosaik atau layanan gambar akan diubah menjadi mosaik dan diproses. Ini adalah default.
- PROCESS_ITEMS_SEPARATELY — Semua item raster dalam set data mosaik atau layanan gambar akan diproses sebagai gambar terpisah.
Tentukan argumen model deep learning
Argumen fungsi yang ditentukan dalam kelas fungsi raster Python direferensikan oleh model input. Ini adalah tempat Anda mencantumkan parameter deep learning tambahan dan argumen untuk eksperimen dan perbaikan, seperti misalnya ambang batas keyakinan untuk menyesuaikan sensitivitas.
Nama argumen dikumpulkan oleh alat dari membaca modul Python pada server analisis raster.
Tentukan nama kolom label kelas
Nama kolom yang akan berisi label klasifikasi di feature layer output.
Jika tidak ada nama kolom yang ditentukan, kolom baru yang disebut ClassLabel akan dihasilkan di feature layer output.
Mode proses
Menentukan bagaimana semua item raster dalam layanan gambar akan diproses.
- Proses sebagai gambar mosaik—Semua item raster dalam layanan gambar akan diubah menjadi satu dan diproses. Ini adalah default.
- Proses item secara terpisah—Semua item raster dalam layanan gambar akan diproses sebagai gambar terpisah.
Nama layer hasil
Nama layer yang akan dibuat di Konten Saya dan ditambahkan ke peta. Nama default ditetapkan berdasarkan nama alat dan nama layer input. Jika layer tersebut sudah ada, Anda akan diminta untuk memberi nama lain.
Anda dapat menentukan nama folder di Konten Saya tempat hasil akan disimpan menggunakan kotak drop-down Simpan hasil di.