使用深度学习分类对象
此工具用于运行输入栅格和可选要素类上的训练深度学习模型，以生成要素类或表，其中每个输入对象均分配一个类标注。
如果选中 使用当前地图范围，则仅对当前地图范围中可见的栅格区域进行分析。 如果未选中，则将分析整个栅格，即使栅格位于当前地图范围之外。
选择用于分类对象的图像
用于检测对象的输入图像。
选择对象的要素图层（可选）
用于标识要分类或要标注的每个对象位置的点、线或面输入要素图层。 输入要素图层中的每一行表示一个对象。
如果未指定输入要素图层，则工具将假设每个输入影像包含单个待分类对象。 如果一个或多个输入影像使用空间参考，则工具的输出为要素图层，其中每个影像的范围将用作每个标注要素的边界几何。 如果一个或多个输入影像没有使用空间参考，则工具的输出为包含影像 ID 值和每个影像类标注的表。
选择用于分类对象的深度学习模型
输入深度学习包 ( .dlpk) 项目。
深度学习包由 Esri 模型定义 JSON 文件 ( .emd)、深度学习二进制模型文件以及要使用的 Python 栅格函数（可选）组成。
处理模式
指定处理镶嵌数据集或影像服务中的所有栅格项目的方式。 当输入栅格是镶嵌数据集或影像服务时，将应用此参数。
- PROCESS_AS_MOSAICKED_IMAGE — 将镶嵌在一起并处理镶嵌数据集或影像服务中的所有栅格项目。 这是默认设置。
- PROCESS_ITEMS_SEPARATELY — 将作为独立影像处理镶嵌数据集或影像服务中的所有栅格项目。
指定深度学习模型参数
函数参数在输入模型引用的 Python 栅格函数类中定义。 您可以在此列出其他深度学习参数和用于试验和优化的参数，例如用于调整灵敏度的置信度阈值。
参数名称将由工具通过读取栅格分析服务器上的 Python 模块进行填充。
定义类标注字段名称
包含输出要素图层中分类标注的字段名称。
如果未指定字段名称，则会在输出要素图层中生成一个名为 ClassLabel 的新字段。
处理模式
指定处理影像服务中的所有栅格项目的方式。
- 以镶嵌影像方式处理 - 影像服务中的所有栅格项目都将被镶嵌在一起并进行处理。 这是默认设置。
- 单独处理项目 - 影像服务中的所有栅格项目都将作为单独的影像进行处理。
结果图层名称
将在 我的内容中创建并添加到地图中的图层的名称。 默认名称基于工具名称以及输入图层名称。 如果该名称的图层已存在，则系统将提示您提供其他名称。
您可以使用 将结果保存在下拉框指定 我的内容中的文件夹名称，结果将保存到该文件夹中。