To narzędzie uruchamia na rastrze wejściowym model wytrenowany metodą Deep Learning, tworząc sklasyfikowany raster, w którym każdy piksel ma przypisaną etykietę klasy.
Jeśli zaznaczono opcję Użyj zasięgu bieżącej mapy, analizowany będzie tylko ten obszar rastra, który jest widoczny w bieżącym zasięgu mapy. Jeśli opcja ta nie jest zaznaczona, przeanalizowany zostanie cały raster, nawet jeśli znajduje się poza bieżącym zasięgiem mapy.
Obraz wejściowy do klasyfikowania.
Może to być adres URL usługi rastrowej, warstwa rastrowa lub warstwa usługi rastrowej.
Element wejściowego pakietu Deep Learning ( .dlpk
).
Pakiet Deep Learning składa się z pliku JSON definicji modelu Esri ( .emd
) pliku modelu binarnego Deep Learning i opcjonalnie funkcji rastrowej w języku Python, która ma być używana.
Argumenty funkcji są zdefiniowane w klasie funkcji rastrowej w języku Python, do której odwołuje się model wejściowy. W tym miejscu wymienione są dodatkowe parametry i argumenty Deep Learning na potrzeby eksperymentów i precyzowania, takie jak próg ufności używany podczas dostosowywania czułości.
Nazwy argumentów są uzupełniane przez narzędzie, które odczytuje moduł Python z serwera analiz rastrowych.
Określa sposób przetwarzania wszystkich elementów rastrowych w zestawie danych mozaiki lub usłudze rastrowej. Ten parametr jest stosowany, gdy raster wejściowy jest zestawem danych mozaiki lub usługą rastrową.
Nazwa warstwy, która zostanie utworzona w obszarze Moje zasoby i dodana do mapy. Nazwa domyślna jest tworzona w oparciu o nazwę narzędzia i nazwę warstwy wejściowej. Jeśli warstwa już istnieje, wyświetlony zostanie komunikat z monitem o podanie innej nazwy.
Za pomocą listy rozwijanej Zapisz wynik w można podać nazwę folderu w obszarze Moje zasoby, gdzie zostanie zapisany wynik. Jeśli masz uprawnienia do tworzenia zarówno kafelkowych, jak i dynamicznych warstw zobrazowań, możesz zdecydować, który typ warstwy ma być używany go generowania danych wynikowych, używając pola rozwijanego Zapisz wyniki jako.