使用深度學習以分類物件
此工具可在輸入點陣和選用的圖徵類別上，執行經過培訓的深度學習模型來產生圖徵類別或表格，其中的每個輸入物件都有一個指派的類別標籤。
如果勾選 使用當前地圖範圍，則僅對當前地圖範圍中可見的點陣區域進行分析。 如果未勾選，則將分析整個點陣，包括超出目前地圖範圍的圖徵。
選擇用來分類物件的圖片
用來偵測物件的輸入圖片。
選擇物件的圖徵圖層（選用）
用於識別要分類和標記的每個物件之位置的點、線或多邊形輸入圖徵圖層。 輸入圖徵圖層的每列代表一個物件。
若未指定輸入圖徵圖層，工具將假設每張輸入圖片都包含要分類的單一物件。 若一或多張輸入圖片使用一個空間參考，則工具將輸出圖徵圖層，其中的每個圖片範圍將作為每個標記圖徵的邊界幾何。 若未在空間上參考一或多張輸入圖片，則工具將輸出一個表格，其中包含圖片 ID 值和每張圖片的類別標籤。
選擇用來分類物件的深度學習模型
輸入深度學習套件 ( .dlpk) 項目。
深度學習套件包含 Esri 模型定義 JSON 檔案 ( .emd)、深度學習二進位模型檔案，以及 (選用) 要使用的 Python 點陣函數。
處理模式
指定如何處理鑲嵌資料集或影像服務中的所有點陣項目。 輸入點陣為鑲嵌資料集或影像服務時，會套用此參數。
- PROCESS_AS_MOSAICKED_IMAGE — 將鑲嵌資料集或影像服務中的所有點陣項目鑲嵌在一起並進行處理。 這是預設值。
- PROCESS_ITEMS_SEPARATELY — 將鑲嵌資料集或影像服務中的所有點陣項目作為個別影像處理。
指定深度學習模型引數
函數引數是在輸入模型參考的 Python 點陣函數類別中定義。 您可以在這裡列出供實驗和精細化的其他深度學習參數和引數，例如用於調整敏感度的信心閾值。
工具會讀取點陣分析伺服器上的 Python 模組來填入引數的名稱。
定義類別標籤欄位名稱
將在輸出圖徵圖層中包含分類標籤的欄位名稱。
若未指定任何欄位名稱，將在輸出圖徵圖層中產生名為 ClassLabel 的新欄位。
處理模式
指定如何處理圖片服務中的所有點陣項目。
- 作為鑲嵌圖片處理 - 將圖片服務中的所有點陣項目鑲嵌在一起並進行處理。 這是預設值。
- 分別處理項目 - 將圖片服務中的所有點陣項目作為個別圖片予以處理。
結果圖層名稱
在 我的內容中建立並新增到地圖中的圖層的名稱。 預設名稱參照工具名稱以及輸入圖層名稱。 如果已存在該名稱的圖層，系統將提示您提供其他名稱。
您可以使用 將結果儲存到下拉式方塊，在 我的內容中指定將儲存結果的資料夾名稱。