Dostępne na serwerze Image Server
Narzędzie Klasyfikuj piksele metodą Deep Learning używa modelu Deep Learning do klasyfikowania pikseli w warstwie zobrazowań zgodnie ze zdefiniowaną listą etykiet wskazujących na różne klasy.
Danymi wynikowymi jest hostowana warstwa zobrazowań.
Przykład
Narzędzia Klasyfikuj piksele metodą Deep Learning można użyć jako danych wejściowych do wykrywania zmian kategorii między różnymi okresami. Wygenerowane w wyniku sklasyfikowane tematycznie warstwy zobrazowań mogą zostać użyte jako wejściowe warstwy zobrazowań do pomiaru zmian w czasie. Na przykład za pomocą narzędzia Klasyfikuj piksele metodą Deep Learning można utworzyć tematyczną warstwę zobrazowań dla przedmieść dużego miasta dla dwóch okresów z tym samym motywem klasyfikacji. Poprzez porównanie wygenerowanych tematycznych warstw zobrazowań przejście obszarów między klasami z etykietami może zostać zmierzone i przedstawione ilościowo.
Uwagi dotyczące korzystania
Narzędzie Klasyfikuj piksele metodą Deep Learning obejmuje konfiguracje warstwy wejściowej, ustawień modelu i warstwy wynikowej.
Warstwy wejściowe
Grupa Warstwy wejściowe zawiera następujące parametry:
- Warstwa wejściowa to warstwa zobrazowań lub warstwa, która zostanie użyta do klasyfikacji. Wybrana warstwa zobrazowań powinna opierać się na wymaganiach modelu Deep Learning, który zostanie użyty do klasyfikowania pikseli.
- Tryb przetwarzania opisuje sposób przetwarzania elementów rastrowych w warstwie zobrazowań razem lub osobno. Parametr Tryb przetwarzania zawiera następujące opcje:
- Przetwarzaj jako obraz mozaikowy — wszystkie elementy rastrowe w zestawie danych mozaiki lub usłudze rastrowej zostaną połączone w mozaikę i przetworzone. Jest to opcja domyślna.
- Przetwarzaj wszystkie elementy rastrowe osobno — wszystkie elementy rastrowe w zestawie danych mozaiki lub usłudze rastrowej zostaną przetworzone jako osobne obrazy.
Ustawienia modelu
Grupa Ustawienia modelu zawiera następujące parametry:
- Model do klasyfikacji pikseli wskazuje, który model Deep Learning ma zostać użyty do klasyfikacji pikseli. Model Deep Learning, aby można go było wybrać w narzędziu, musi znajdować się w usłudze ArcGIS Online. Można wybrać własny model dostępny publicznie w usłudze ArcGIS Online lub z ArcGIS Living Atlas of the World.
- Parametr Argumenty modelu określa argumenty funkcji zdefiniowane w klasie funkcji rastrowej Python. Wymienione są dodatkowe parametry Deep Learning i argumenty do eksperymentów i udoskonaleń, takie jak próg ufności używany podczas dostosowywania czułości. Nazwy argumentów są uzupełniane z modułu Python.
Warstwa wynikowa
Grupa Warstwa wynikowa zawiera następujące parametry:
- Nazwa danych wynikowych określa nazwę warstwy, która zostanie utworzona i dodana do mapy. Nazwa musi być unikalna. Jeśli w instytucji istnieje już warstwa o tej samej nazwie, działanie narzędzia zakończy się niepowodzeniem i wyświetlona zostanie prośba o wybór innej nazwy.
- Opcja Zapisz w folderze określa nazwę folderu na stronie Moje zasoby, w którym zostaną zapisane dane wynikowe.
Środowiska
Ustawienia środowiskowe dotyczące analiz to dodatkowe parametry wpływające na wyniki działania narzędzia. Dostęp do ustawień środowiskowych narzędzia dotyczących analiz można uzyskać z poziomu grupy parametrów Ustawienia środowiskowe.
Narzędzie to obsługuje następujące środowiska analiz:
- Wynikowy układ współrzędnych
- Zasięg przetwarzania
Notatka:
Domyślny zasięg przetwarzania w przeglądarce map Map Viewer to Pełny zasięg. To ustawienie domyślne jest inne niż w przeglądarce map Map Viewer Classic, w której domyślnie włączona jest opcja Użyj zasięgu bieżącej mapy.
- Raster dociągania
- Rozmiar komórki
- Czynnik przetwarzania równoległego
- Typ procesora
Dane wynikowe
Dane wynikowe to klasyfikowana tematycznie warstwa zobrazowań oparta na schemacie klasyfikacji zdefiniowanym w modelu Deep Learning.
Wymagania dotyczące licencjonowania
To narzędzie wymaga następujących licencji i konfiguracji:
- Typ użytkownika Creator lub GIS Professional
- Rola Publikujący lub Administrator albo rola niestandardowa odpowiadająca tym rolom
- Serwer ArcGIS Image Server skonfigurowany pod kątem analizy rastrowej metodą Deep Learning
Zasoby
Aby dowiedzieć się więcej, skorzystaj z następujących zasobów:
- Klasyfikuj piksele metodą Deep Learning w oprogramowaniu ArcGIS REST API
- Funkcja classify_pixels w interfejsie ArcGIS API for Python
- Klasyfikuj piksele metodą Deep Learning w oprogramowaniu ArcGIS Pro