ディープラーニングを使用したピクセルの分類—ArcGIS Image Server

ディープラーニングを使用したピクセルの分類ディープラーニングを使用したピクセルの分類ツールは、トレーニング済みディープラーニングモデルを入力画像に対して実行し、分類ラスターを生成します。

注意:

このツールを実行するには、ラスター解析用にポータルを構成する必要があります。

さらに、ディープラーニングツールではArcGIS Image Server でディープラーニングラスター解析を行えるよう構成する必要があります。

現在、この機能は Map Viewer Classic (旧名称 Map Viewer) でのみサポートされています。新しい Map Viewer の今後のリリースで提供される予定です。このツールが Map Viewer Classic に表示されない場合は、組織の管理者に問い合わせてください。お使いのポータルがラスター解析用に構成されていないか、ユーザーに、このツールを実行するのに必要な権限がないことが考えられます。

ワークフロー図

例

マルチバンド衛星画像をもとに、トレーニング済みディープラーニングモデルを使用して土地被覆ラスターを生成します。

使用上の注意

このツールを実行すると、ラスター解析サーバーがサードパーティのディープラーニング Python API を呼び出し、指定された Python ラスター関数を使用して、各ラスタータイルを処理します。

このツールの入力ディープラーニングモデルは、ポータルに格納されたディープラーニングパッケージ (*.dlpk) アイテムである必要があります。 ArcGIS Pro または ArcGIS REST API ラスター解析ツールの [ディープラーニングモデルのトレーニング (Train Deep Learning Model)] ジオプロセシングツールを使用して *.dlpk アイテムを生成できます。

入力モデルを選択または指定すると、ラスター解析サーバーからモデル引数情報が取得されます。モデルが無効であったり、ラスター解析サーバーがディープラーニングに対して適切に構成されていなかったりすると、ツールはこの情報を取得できません。

入力 *.dlpk アイテムには、Esri モデル定義ファイル (*.emd) を含める必要があります。下記のサンプル *.emd ファイルをご参照ください。

{
    "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]
         }
    ]
}

[現在のマップ範囲を使用] がオンの場合、現在のマップ範囲に表示されるピクセルだけが解析されます。オフの場合は、入力イメージレイヤー全体が解析されます。

次の表に、このツールのパラメーターを示します。


パラメーター	説明
ピクセルの分類に使用する画像を選択	分類される入力画像。
ピクセルの分類に使用するディープラーニングモデルを選択	入力ディープラーニングパッケージ (.dlpk) アイテム。ディープラーニングパッケージには、Esri モデル定義 JSON ファイル (.emd)、ディープラーニングバイナリモデルファイル、および使用されるオプションの Python ラスター関数が含まれます。
ディープラーニングモデルの引数を指定	関数の引数は、入力モデルによって参照される Python ラスター関数で定義されます。ここでは、調整のための追加のディープラーニングパラメーターおよび引数 (感度を調整するための信頼性の閾値など) をリストします。引数の名前は、ツールが Python モジュールを読み取ることによって入力されます。
処理モード	イメージサービス内のすべてのラスターアイテムを処理する方法を指定します。 [モザイク画像として処理] - イメージサービス内のすべてのラスターアイテムをモザイク化して処理します。これがデフォルトです。 [すべてのラスターアイテムを別々に処理] - イメージサービス内のすべてのラスターアイテムを別々のイメージとして処理します。。
結果レイヤー名	[マイコンテンツ] に作成され、マップに追加されるレイヤーの名前。デフォルトの名前は、ツール名と入力レイヤー名に基づいて設定されます。レイヤーがすでに存在する場合は、別の名前を指定するよう求められます。 [出力の保存場所] ドロップダウンボックスを使用して、結果を保存する [マイコンテンツ] 内のフォルダーの名前を指定できます。

環境

解析環境設定は、ツールの結果に影響する追加パラメーターです。このツールの解析環境設定にアクセスするには、ツールパネルの上部にある歯車アイコンをクリックします。

このツールでは次の [解析環境] が適用されます。

範囲 - 解析に使用するエリアを指定します。
セルサイズ - 出力レイヤーで使用するセルサイズ。
処理ワーカーのリサイクル間隔 - ワーカープロセスを再開する前に処理するイメージセクションの数を定義します。
並列処理ファクター - ラスター処理 CPU または GPU インスタンスを制御します。
失敗したときの再試行回数 - ジョブの処理中にランダムな障害が発生した場合に、ワーカープロセスが再試行される回数を定義します。

類似のツールとラスター関数

画像のピクセルの分類に、ディープラーニングを使用したピクセルの分類ツールを使用します。その他のツールは、類似した問題を解決するのに効果的です。

Map Viewer Classic 解析ツールとラスター関数

ディープラーニングを使用したオブジェクトの検出ツールを使用し、画像内のオブジェクトの位置を検出します。ディープラーニングを使用したオブジェクトの分類ツールを使用し、画像のオブジェクトを分類します。

その他の分類オプションについては、Classify または MLClassify ラスター関数を使用します。

ArcGIS Pro 解析ツールとラスター関数

[ディープラーニングを使用したピクセルの分類] ジオプロセシングツールは、Image Analyst ツールボックスで使用できます。ディープラーニングツールセットのその他のツールは、ディープラーニングワークフローを実行します。

ArcGIS Enterprise 開発者向けのリソース

ArcGIS REST API で作業を行っている場合は、Classify Pixels Using Deep Learning 操作を使用します。

ArcGIS API for Python で作業を行っている場合は、arcgis.learn モジュールでディープラーニングタスクを実行 ArcGIS for Python API Web サイトします。

このトピックへのフィードバック

注意: