딥러닝을 사용하여 객체 분류

딥러닝을 사용하여 객체 분류


이 도구는 입력 래스터와 선택적 피처 클래스에 대해 숙련된 딥러닝 모델을 실행하여 피처 클래스나 테이블을 생성하며 각 입력 객체에는 할당된 클래스 레이블이 있습니다.

현재 맵 범위 사용을 선택한 경우 현재 맵 범위 내에 보이는 래스터 영역만 분석됩니다. 이 옵션을 선택하지 않으면 현재 맵 범위가 아닌 경우에도 전체 래스터가 분석됩니다.

객체 분류에 사용되는 이미지 선택


객체 감지에 사용되는 입력 이미지입니다.

객체의 피처 레이어 선택(선택 사항)


분류되고 레이블이 지정될 각 객체의 위치를 식별하는 포인트, 라인, 폴리곤 입력 피처 레이어입니다. 입력 피처 레이어의 각 행은 단일 객체를 나타냅니다.

입력 피처 레이어를 지정하지 않으면, 이 도구에서는 각 입력 이미지에 분류될 단일 객체가 포함되어 있는 것으로 가정합니다. 입력 이미지가 공간 기준 체계를 사용하는 경우 이 도구의 결과는 피처 레이어이며, 각 이미지의 범위는 레이블이 지정된 각 피처의 경계 지오메트리로 사용됩니다. 입력 이미지가 공간 기준 체계를 사용하지 않는 경우 이 도구의 결과는 각 이미지에 대한 이미지 ID 값과 클래스 레이블이 포함된 테이블입니다.

객체 분류에 사용되는 딥러닝 모델 선택


입력 딥러닝 패키지( .dlpk) 항목입니다.

딥러닝 패키지는 Esri 모델 정의 JSON 파일( .emd), 딥러닝 이진 모델 파일, 필요한 경우 사용할 파이썬 래스터 함수로 구성됩니다.

처리 모드


이미지 서비스에서 모자이크 데이터셋의 모든 래스터 항목이 처리되는 방법을 지정합니다. 이 매개변수는 입력 래스터가 모자이크 데이터셋 또는 이미지 서비스인 경우에 적용됩니다.

  • PROCESS_AS_MOSAICKED_IMAGE — 모자이크 데이터셋 또는 이미지 서비스의 모든 래스터 항목이 함께 모자이크되어 처리됩니다. 이 옵션이 기본 설정입니다.
  • PROCESS_ITEMS_SEPARATELY — 모자이크 데이터셋 또는 이미지 서비스의 모든 래스터 항목은 별도의 이미지로 처리됩니다.
<>

딥러닝 모델 인수 지정


함수 인수는 입력 모델에서 참조하는 파이썬 래스터 함수 클래스에 정의됩니다. 여기에서, 민감도를 조정하기 위한 신뢰도 임계값 등의 실험 및 세부 조정에 대한 추가적인 딥러닝 매개변수와 인수를 나열합니다.

인수의 이름은 도구를 통해 래스터 분석 서버에서 파이썬 모듈을 읽어 채워집니다.

클래스 레이블 필드 이름 정의


결과 피처 레이어에서 분류 레이블이 포함될 필드의 이름입니다.

필드 이름을 지정하지 않으면 ClassLabel(이)라는 새 필드가 결과 피처 레이어에 생성됩니다.

처리 모드


이미지 서비스의 모든 래스터 항목이 처리되는 방법을 지정합니다.

  • 모자이크된 이미지로 처리 - 이미지 서비스의 모든 래스터 항목이 다 함께 모자이크되어 처리됩니다. 이 옵션이 기본 설정입니다.
  • 항목 개별 처리 - 이미지 서비스의 모든 래스터 항목이 개별 이미지로 처리됩니다
목록은을 참고하세요.

결과 레이어 이름


내 콘텐츠에 생성되고 맵에 추가되는 레이어의 이름입니다. 기본 이름은 도구 이름과 입력 레이어 이름을 기반으로 합니다. 레이어가 이미 있는 경우 다른 이름을 입력하라는 메시지가 나타납니다.

결과 저장: 드롭다운 상자를 사용하여 결과가 저장될 내 콘텐츠에서 폴더 이름을 지정할 수 있습니다.