딥러닝을 사용한 변경 감지—Portal for ArcGIS

Image Server에서 이용 가능

딥러닝을 사용한 변경 감지 도구는 학습된 딥러닝 모델을 사용하여 두 래스터 간의 변경을 감지합니다.

결과는 호스팅 영상 레이어입니다.

예시

스펙트럼이 비슷한 두 개의 영상 레이어와 변경된 영역을 나타내는 딥러닝 모델이 주어져 두 영상 레이어 간에 변경된 영역을 감지합니다.

딥러닝을 사용한 객체 감지에는 입력 레이어, 모델 설정, 결과 레이어를 위한 구성이 포함됩니다.

입력 레이어 그룹에는 다음 매개변수가 포함됩니다.

변경 전의 입력 래스터는 이전 영상 레이어를 나타내는 영상 레이어입니다. 선택한 영상 레이어는 픽셀을 분류하는 데 사용될 딥러닝 모델의 요구사항을 기반으로 해야 합니다.
변경 후의 입력 래스터는 이후 영상 레이어를 나타내는 영상 레이어입니다. 선택한 영상 레이어는 픽셀을 분류하는 데 사용될 딥러닝 모델의 요구사항을 기반으로 해야 합니다.

모델 설정 그룹에는 다음 매개변수가 포함됩니다.

변경 감지 모델은 변경을 감지하는 데 사용될 딥러닝 모델을 나타냅니다. 도구에서 딥러닝 모델을 선택하려면 모델을 딥러닝 패키지(DLPK) 항목으로 발행해야 합니다. 자체 모델, ArcGIS Online에서 공개적으로 사용 가능한 모델, ArcGIS Living Atlas of the World의 모델 중에서 선택할 수 있습니다.
비고:
엔터프라이즈 관리자가 ArcGIS Living Atlas 콘텐츠에 대한 접근을 활성화한 경우 ArcGIS Living Atlas of the World의 딥러닝 모델을 엔터프라이즈에 항목으로 추가할 수 있습니다. 관리자가 각 모델을 엔터프라이즈에 새 항목으로 추가하면 도구에서 사용할 수 있게 됩니다.
모델 인수는 Python 래스터 함수 클래스에 정의된 함수 인수를 지정합니다. 민감도를 조정하기 위한 신뢰도 임곗값 등의 실험 및 세부 조정에 대한 추가적인 딥러닝 매개변수와 인수를 나열합니다. 인수 이름은 Python 모듈에서 채워집니다.

결과 레이어 그룹에는 다음 매개변수가 포함됩니다.

결과 이름은 생성되어 표시되는 레이어의 이름을 지정합니다. 이름은 고유해야 합니다. 기관에 동일한 이름의 레이어가 이미 있는 경우 도구를 사용할 수 없으며 다른 이름을 사용하라는 메시지가 표시됩니다.
폴더에 저장은 결과가 저장되는 내 콘텐츠의 폴더 이름을 지정합니다.

분석 환경 설정은 도구의 결과에 영향을 주는 추가 매개변수입니다. 환경 설정 매개변수 그룹에서 도구의 분석 환경 설정에 접근할 수 있습니다.

이 도구는 다음과 같은 분석 환경을 적용합니다.

그 결과로 딥러닝 모델에서 정의된 분류 스키마를 기반으로 한 분류된 주제 영상 레이어가 생성됩니다.

이 도구에는 다음과 같은 사용자 유형 및 구성이 필요합니다.

다음과 같은 리소스를 사용하여 자세히 알아보세요.