A ferramenta Detectar Objetos Utilizando Aprendizagem Detalhada executa um modelo de aprendizagem detalhada de treinamento em um raster de entrada para produzir uma classe de feição contendo os objetos localizados por ela. As feições podem ser polígonos ao redor dos objetos encontrados ou pontos no centro dos objetos encontrados.
Anotação:
Para executar esta ferramenta, o portal deve ser configurado para análise de raster.
Além disso, as ferramentas de aprendizagem detalhada exigem que o ArcGIS Image Server seja configurado para análise de raster da aprendizagem detalhada.
Atualmente, essa funcionalidade só é compatível no Map Viewer Classic (antigamente conhecido comoMap Viewer). Ele estará disponível em uma versão futura do novo Map Viewer. Se você não vê esta ferramenta no Map Viewer Classic, contacte seu administrador da organização. Seu portal pode não estar configurado para análise raster ou você pode não ter os privilégios necessários para executar a ferramenta.
Diagrama do fluxo de trabalho
Exemplos
- Com a imagem de um bairro, detecte a localização de cada telhado com um painel solar.
- Com uma imagem da natureza selvagem no norte do Canadá, detecte a localização de cada lago glacial.
Anotações de uso
Com essa ferramenta em execução, o servidor de análise raster solicita uma API de Python da aprendizagem detalhada de terceiros e usa a função raster específica do Python para processar cada mosaico de raster.
O modelo de aprendizagem detalhada de entrada para esta ferramenta deve ser um pacote do item de aprendizagem detalhada (.dlpk) armazenado em seu portal. Você pode gerar um item .dlpk usando a ferramenta de processamento Treinar Modelo de Aprendizagem Detalhada no ArcGIS Pro ou a ferramenta de análise do raster no ArcGIS REST API .
Após o modelo de entrada ser selecionado ou especificado, os parâmetros do modelo serão obtidos do servidor da análise de raster. A ferramenta pode falhar em obter essas informações se o modelo for inválido ou se o servidor da análise de raster não estiver configurado corretamente para aprendizagem detalhada.
O item de entrada .dlpk deve incluir um arquivo de definição de modelo Esri (.emd). Veja o arquivo de exemplo .emd abaixo.
{
"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]
}
]
}Marque a caixa para ativar a Supressão não máxima para identificar e remover feições duplicados da detecção de objeto.
Se a opção Usar extensão do mapa atual estiver marcada, apenas os pixels visíveis na extensão do mapa atual serão analisados. Se desmarcada, toda a camada de imagem de entrada será analisada.
Os parâmetros desta ferramenta estão listados na seguinte tabela:
| Parâmetro | Explanação |
|---|---|
| Escolher imagem utilizada para detectar objetos | A imagem de entrada que será usada para classificar objetos. |
| Escolher modelo de aprendizado detalhado utilizado para detectar objetos | O item do pacote de aprendizado detalhado de entrada (.dlpk). O pacote de aprendizagem detalhada contém o arquivo JSON da definição de modelo da Esri (.emd), o arquivo de modelo binário de aprendizagem detalhada e, opcionalmente, a função de raster do Python a ser utilizada. |
| Especificar parâmetros do modelo de aprendizagem detalhada | Os parâmetros da função são definidos na classe de função de raster do Python referenciada pelo modelo de entrada. É aqui que você lista cenários e parâmetros da aprendizagem detalhada adicionais para refinamento, como um limite de confiança para ajustar a sensibilidade. Os nomes dos parâmetros são preenchidos pela ferramenta de leitura do módulo de Python. |
| Remover feições duplicadas da saída (opcional) | Especifica se a supressão não máxima será executada, na qual objetos duplicados encontrados são identificados e o recurso duplicado com o valor de confiança mais baixo é removido.
|
| Campo de pontuação de confiança | O campo no serviço da feição que contém a saída das pontuações de confiança pelo método de detecção do objeto. Este parâmetro é exigido quando o parâmetro Sem supressão máxima é selecionado. |
| Campo de valor da classe | O campo de valor da classe no serviço de feição de saída. Se não especificado, a ferramenta utilizará os campos de valor da classe padrão Classvalue e Value. Se estes campos não existirem, todas as feições serão tratadas como a mesma classe de objeto. Este parâmetro é exigido quando o parâmetro Sem supressão máxima é selecionado. |
| Taxa máxima de sobreposição | A taxa máxima de sobreposição para duas feições sobrepostas, que é definida como a proporção da área de intersecção sobre a área de união. O padrão é 0. Este parâmetro é exigido quando o parâmetro Sem supressão máxima é selecionado. |
| Modo de processamento | Especifica como todos os itens de raster em um de serviço de imagem serão processados.
|
| Nome da camada resultante | O nome da camada que será criada em Meu Conteúdo e adicionada ao mapa. O nome padrão é baseado no nome da ferramenta e o nome da camada de entrada. Se a camada já existir, você será solicitado para fornecer outro nome. Você pode especificar o nome de uma pasta em Meu Conteúdo onde o resultado será salvo utilizando a caixa suspensa Salvar resultados em . |
Ambientes
As configurações do ambiente de análise são parâmetros adicionais que afetam os resultados de uma ferramenta. Você pode acessar as configurações do ambiente de análise da ferramenta clicando no ícone de engrenagem 
na parte superior do painel de ferramentas.
Esta ferramenta honra os seguintes Ambientes de Análise:
- Extensão—Especifica a área a ser usada para análise.
- Tamanho da célula—O tamanho da célula a ser usado na camada de saída.
- Intervalo de reciclagem de trabalhadores de processamento—Define quantas seções de imagem processar antes de reiniciar os processos de trabalho.
- Fator de processamento paralelo—Controla as instâncias de CPU ou GPU de processamento raster.
- Número de novas tentativas em falhas—Define quantas tentativas um processo de trabalho tentará quando houver falha aleatória no processamento de um trabalho.
Ferramentas e funções raster semelhantes
Use a ferramenta Detectar Objetos Utilizando Aprendizagem Detalhada para detectar objetos em uma imagem. Outras ferramentas podem ser úteis na solução de problemas semelhantes.
Ferramentas de análise e funções raster do Map Viewer Classic
Use a ferramenta Classificar Objetos Utilizando Aprendizagem Detalhada para detectar a localização de objetos em uma imagem. Use a ferramenta Classificar Pixels Utilizando Aprendizagem Detalhada para classificar cada pixel em uma imagem.
Ferramentas de análise e funções raster ArcGIS Pro
A ferramenta de geoprocessamento Detectar Objetos Utilizando Aprendizagem Detalhada está disponível na caixa de ferramentas Image Analyst. Outras ferramentas no conjunto de ferramentas Aprendizagem Detalhada executam fluxos de trabalho de aprendizagem detalhada.
Recursos de desenvolvedor ArcGIS Enterprise
Se você estiver trabalhando no ArcGIS REST API, use a operação Detect Objects Using Deep Learning.
Se você estiver trabalhando no ArcGIS API for Python, execute tarefas de aprendizagem detalhada 
usando o módulo arcgis.learn .