ディープラーニングを使用したオブジェクトの検出—ArcGIS Image Server

ディープラーニングを使用したオブジェクトの検出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は、入力ラスターに対してトレーニング済みディープラーニングモデルを実行し、検出したオブジェクトを含んでいるフィーチャクラスを生成します。フィーチャには、検出されたオブジェクトの周囲のポリゴン、またはオブジェクトの中心のポイントを指定できます。

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

近隣の画像をもとに、ソーラーパネルを設置したすべての屋根面の場所を検出します。
カナダ北部の荒野の画像をもとに、すべての氷河湖の場所を検出します。

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": "ObjectDetectionAPI",
    
    "ModelFile": ".\\CoconutTreeDetection.model",
    "ModelType": "ObjectDetection",
    "ImageHeight": 850,
    "ImageWidth": 850,
    "ExtractBands": [0,1,2],
    "ImageSpaceUsed": "MAP_SPACE"
    "Classes": [
    {
        "Value": 0,
        "Name": "CoconutTree",
        "Color": [0, 255, 0]
    }
    ]
}

オブジェクト検出から重複フィーチャを特定して削除するには、[Non Maximum Suppression] チェックボックスをオンにします。

[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
オブジェクトの検出に使用する画像を選択	オブジェクトの分類に使用される入力画像。
オブジェクトの検出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。
出力から重複フィーチャを削除 (オプション)	Non Maximum Suppression を実行するかどうかを指定します。実行すると、重複オブジェクトが識別され、信頼値の低い重複フィーチャが削除されます。オフ - 検出されたすべてのオブジェクトが出力フィーチャクラス内に含められます。これがデフォルトです。オン - 重複する検出オブジェクトが削除されます。
信頼度スコアフィールド	オブジェクト検出方法の出力として信頼度スコアを含むフィーチャサービス内のフィールド。このパラメーターは、[Non Maximum Suppression] パラメーターをオンにした場合に必要です。
クラス値フィールド	出力フィーチャサービス内のクラス値フィールド。指定しない場合、ツールは標準クラス値フィールドの Classvalue と Value を使用します。これらのフィールドが存在しない場合、すべてのフィーチャが同じオブジェクトクラスとして扱われます。このパラメーターは、[Non Maximum Suppression] パラメーターをオンにした場合に必要です。
最大オーバーラップ率	2 つの重複したフィーチャの最大オーバーラップ率。全領域に対する交差領域の比率として定義されます。デフォルトは 0 です。このパラメーターは、[Non Maximum Suppression] パラメーターをオンにした場合に必要です。
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

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を検出します。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分類ツールを使用し、画像内のオブジェクトの場所を検出します。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、画像内の各ピクセルを分類します。

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オブジェクトの検出 (Detect Objects Using Deep Learning)] ジオプロセシングツールは、Image Analyst ツールボックスにあります。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、Detect Objects 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: