Objecten classificeren met behulp van deep learning

Objecten classificeren met behulp van deep learning


Deze tool voert een getraind deep learningmodel uit op een invoerraster en een optionele objectklasse om een objectklasse of tabel te produceren waarin aan elk invoerobject een klasselabel wordt toegewezen.

Als Huidige kaartextent gebruiken is aangevinkt, wordt alleen het rastergebied dat binnen het huidige extent van de kaart zichtbaar is, geanalyseerd. Als de optie niet is aangevinkt, wordt het volledige raster geanalyseerd, zelfs als dit zich buiten de huidige extent van de kaart bevinden.

Kies een afbeelding die wordt gebruikt om objecten te classificeren


De invoerafbeelding die wordt gebruikt om objecten te detecteren.

Kies objectlaag voor objecten (optioneel)


De punt-, lijn- of polygoonobjectlaag die de locatie identificeert van elk object dat moet worden geclassificeerd en gelabeld. Elke rij in de invoerobjectlaag vertegenwoordigt een enkel object.

Als er geen invoerobjectlaag is gespecificeerd, gaat de tool ervan uit dat elk invoerbeeld één enkel object bevat dat moet worden geclassificeerd. Als de invoerafbeelding of -afbeeldingen een ruimtelijke referentie gebruiken, is de uitvoer van de tool een objectlaag, waarin de omvang van elke afbeelding wordt gebruikt als de begrenzende geometrie voor elk gelabeld object. Als de ingevoerde afbeelding of afbeeldingen niet ruimtelijk worden gerefereerd, is de uitvoer van de tool een tabel met de afbeeldings-ID-waarden en de klasselabels voor elke afbeelding.

Kies een deep learningmodel dat wordt gebruikt om objecten te classificeren


Het deep learningpakketitem voor invoer ( .dlpk).

Het deep learningpakket bestaat uit het Esri-modeldefinitie JSON-bestand ( .emd), het binaire deep learningmodelbestand en optioneel het Python-rasterobject dat moet worden gebruikt.

Verwerkingsmodus


Geeft aan hoe alle rasteritems in een mosaic dataset of imageservice worden verwerkt. Deze parameter wordt toegepast als het inputraster een mozaïekdataset of een imageservice is.

  • PROCESS_AS_MOSAICKED_IMAGE — Alle rasteritems in de mozaïek dataset of imageservice worden samengevoegd en verwerkt. Dit is de standaardinstelling.
  • PROCESS_ITEMS_SEPARATELY — Alle rasteritems in de mozaïekdataset of beeldservice worden verwerkt als afzonderlijke afbeeldingen.
<>

Geef de argumenten van het deep learningmodel op


De functieargumenten worden gedefinieerd in de Python-rasterfunctieklasse waarnaar wordt verwezen door het invoermodel. Dit is waar men bijkomende deep learningparameters en argumenten voor experimenten en verfijning opsomt, zoals een vertrouwensdrempel voor het aanpassen van de gevoeligheid.

De namen van de argumenten worden ingevuld door de tool bij het lezen van de Python-module op de rasteranalyseserver.

Definieer de naam van het klasselabelveld


De naam van het veld dat het classificatielabel in de uitvoerobjectlaag zal bevatten.

Als er geen veldnaam wordt opgegeven, wordt er een nieuw veld met de naam ClassLabel in de uitvoerobjectlaag gegenereerd.

Verwerkingsmodus


Geeft aan hoe alle rasteritems in een beeldservice worden verwerkt.

  • Verwerking als mozaïekbeeld—Alle rasteritems in de afbeeldingsservice worden samengevoegd en verwerkt. Dit is de standaardinstelling.
  • Verwerk items afzonderlijk—Alle rasteritems in de afbeeldingsservice worden als afzonderlijke beelden verwerkt.
.

Resultaat laagnaam


De naam van de laag die in Mijn Content wordt gemaakt en aan de kaart wordt toegevoegd. De standaardnaam is gebaseerd op de toolnaam en de naam van de invoerlaag. Als de laag al bestaat, wordt u gevraagd een nieuwe naam te geven.

U kunt de naam van een map opgeven in Mijn Content, waar het resultaat wordt opgeslagen met het vervolgkeuzemenu Resultaat opslaan in.