Skip To Content

Clasificar píxeles con aprendizaje profundo

Clasificar píxeles con aprendizaje profundo La herramienta Clasificar píxeles con aprendizaje profundo ejecuta un modelo de aprendizaje profundo entrenado en una imagen de entrada para producir un ráster clasificado.

Nota:

Para ejecutar esta herramienta, el portal debe estar configurado para el análisis de ráster.

Además, las herramientas de aprendizaje profundo requieren que ArcGIS Image Server esté configurado para análisis de ráster de aprendizaje profundo.

Esta funcionalidad actualmente solo es compatible con Map Viewer Classic (anteriormente conocido como Map Viewer). Estará disponible en una versión futura del nuevo Visor de mapas. Si no ve esta herramienta en Map Viewer Classic, póngase en contacto con el administrador de su organización. Es posible que el portal no esté configurado para el análisis de ráster o que no tenga los privilegios requeridos para ejecutar la herramienta.

Diagrama de flujo de trabajo

Flujo de trabajo de Clasificar píxeles con aprendizaje profundo

Ejemplo

Partiendo de una imagen de satélite multibanda, genere un ráster de cobertura de suelo utilizando un modelo de aprendizaje profundo entrenado.

Notas de uso

Con esta herramienta en ejecución, el servidor de análisis de ráster llama a una API de Python de aprendizaje profundo externa y usa la función ráster de Python específica para procesar todas las teselas ráster.

El modelo de aprendizaje profundo de entrada de esta herramienta debe ser un elemento de paquete de aprendizaje profundo (.dlpk) almacenado en su portal. Puede generar un elemento de .dlpk con la herramienta de geoprocesamiento Entrenar un modelo de aprendizaje profundo en ArcGIS Pro o la herramienta de análisis de ráster de API REST de ArcGIS.

Después de seleccionar o especificar el modelo de entrada, los argumentos de modelo se obtienen del servidor de análisis de ráster. Es posible que la herramienta no pueda obtener esta información si el modelo no es válido o si el servidor de análisis de ráster no está correctamente configurado para el aprendizaje profundo.

El elemento de .dlpk de entrada debe incluir un archivo de definición de modelo de Esri (.emd). Consulte a continuación el archivo .emd de muestra.

{
    "Framework":"TensorFlow",
    "ModelConfiguration":"deeplab",

    "ModelFile":"\\Data\\ImgClassification\\TF\\froz_inf_graph.pb",
    "ModelType":"ImageClassification",
    "ExtractBands":[0,1,2],
    "ImageHeight":513,
    "ImageWidth":513,

    "Classes" : [
        {
            "Value":0,
            "Name":"Evergreen Forest",
            "Color":[0, 51, 0]
         },
         {
            "Value":1,
            "Name":"Grassland/Herbaceous",
            "Color":[241, 185, 137]
         },
         {
            "Value":2,
            "Name":"Bare Land",
            "Color":[236, 236, 0]
         },
         {
            "Value":3,
            "Name":"Open Water",
            "Color":[0, 0, 117]
         },
         {
            "Value":4,
            "Name":"Scrub/Shrub",
            "Color":[102, 102, 0]
         },
         {
            "Value":5,
            "Name":"Impervious Surface",
            "Color":[236, 236, 236]
         }
    ]
}

Si la opción Usar la extensión del mapa actual está activada, solo se analizarán os píxeles que estén visibles en la extensión de mapa actual. Si no está seleccionada, se analizará toda la capa de imágenes de entrada.

Los parámetros para esta herramienta se indican en la tabla siguiente:

ParámetroExplicación
Elegir la imagen utilizada para clasificar píxeles

La imagen de entrada que se clasificará.

Elegir el modelo de aprendizaje profundo utilizado para clasificar píxeles

El elemento del paquete de aprendizaje profundo de entrada (.dlpk).

El paquete de aprendizaje profundo contenía el archivo JSON de definición de modelo de Esri (.emd), el archivo de modelo binario de aprendizaje profundo y, opcionalmente, la función ráster de Python que se debe utilizar.

Especificar los argumentos del modelo de aprendizaje profundo

Los argumentos de función se definen en la función ráster de Python a la que el modelo de entrada hace referencia. Aquí es donde enumera los argumentos y parámetros de aprendizaje profundo adicionales para refinamiento, como un umbral de confianza para ajustar la sensibilidad.

La herramienta rellena los nombres de los argumentos a partir de la lectura del módulo de Python.

Modo de procesamiento

Especifica cómo se procesarán todos los elementos de ráster en un servicio de imágenes.

  • Procesar como imagen en mosaico: todos los elementos de ráster en el servicio de imágenes se unirán en mosaico y se procesarán. Esta es la opción predeterminada.
  • Procesar todos los elementos de ráster por separado: todos los elementos de ráster del servicio de imágenes se procesarán como imágenes separadas.
.

Nombre de capa de resultados

Nombre de la capa que se creará en Mi contenido y que se agregará al mapa. El nombre predeterminado se basa en el nombre de la herramienta y en el nombre de la capa de entrada. Si la capa ya existe, se le pedirá que indique otro nombre.

Puede especificar el nombre de una carpeta de Mi contenido en la que se guardará el resultado con el cuadro desplegable Guardar el resultado en.

Entornos

La configuración del entorno de análisis incluye parámetros adicionales que modifican los resultados de una herramienta. Puede acceder a la configuración del entorno de análisis de la herramienta haciendo clic en el icono de rueda dentada Entornos de análisis situado en la parte superior del panel de la herramienta.

Esta herramienta reconoce los siguientes Entornos de análisis:

  • Extensión: especifica el área que se va a utilizar para el análisis.
  • Tamaño de celda: tamaño de la celda que se debe utilizar en la capa de salida.
  • Intervalo de reciclado de trabajadores de procesamiento: define cuántas secciones de imágenes se deben procesar antes de reiniciar procesos del trabajador.
  • Factor de procesamiento paralelo: controla las instancias de CPU o GPU de procesamiento de trama.
  • Número de intentos en fallos: define el número de reintentos que un proceso de trabajador intentará realizar cuando se produzca un fallo aleatorio al procesar un trabajo.

Herramientas y funciones ráster similares

Use la herramienta Clasificar píxeles con aprendizaje profundo para clasificar píxeles en una imagen. Existen otras herramientas que pueden resultar de utilidad para solucionar problemas similares.

Herramientas de análisis y funciones ráster de Map Viewer Classic

Utilice la herramienta Detectar objetos con aprendizaje profundo para detectar la ubicación objetos en una imagen. Utilice la herramienta Clasificar objetos con aprendizaje profundo para clasificar objetos en una imagen.

Utilice las funciones ráster Clasificar o MLClassify para otras opciones de clasificación.

Herramientas de análisis y funciones ráster de ArcGIS Pro

La herramienta de geoprocesamiento Clasificar píxeles con aprendizaje profundo está disponible en la caja de herramientas de Image Analyst. Otras herramientas del conjunto de herramientas Aprendizaje profundo realizan flujos de trabajo de aprendizaje profundo.

Recursos para desarrolladores de ArcGIS Enterprise

Si está trabajando en API REST de ArcGIS, utilice la operación Classify Pixels Using Deep Learning.

Si está trabajando en ArcGIS API for Python, realice tareas de aprendizaje profundo del sitio web de la API de Python para ArcGIS con el módulo arcgis.learn.