Skip To Content

Классифицировать объекты при помощи глубокого обучения

Классифицировать объекты при помощи глубокого обучения Инструмент Классифицировать объекты с помощью глубокого обучения запускает модель глубокого обучения с входным растром и дополнительным классом пространственных объектов для создания класса объектов или таблицы, где у каждого входного пространственного или не пространственного объекта есть назначенный ему класс или подпись категории.

Примечание:

Для запуска этого инструмента портал должен быть настроен для анализа растров.

Кроме того, инструменты глубокого обучения требуют, чтобы ArcGIS Image Server был настроен для растровой аналитики глубокого обучения.

Если вы не видите этот инструмент в Map Viewer, свяжитесь с администратором портала. Возможно, ваш портал не настроен для анализа растров, или у вас может не быть прав, необходимых для запуска инструмента.

Схема рабочего процесса

Рабочий процесс Классификация объектов с использованием глубокого обучения

Примеры

  • Взяв изображение и класс объектов, содержащий местоположения домов, классифицируйте каждый дом либо как поврежденный, либо как неповрежденный, используя обученную модель глубокого обучения.
  • Взяв набор изображений, на каждом из которых показано одно дерево, классифицируйте каждое дерево, как здоровое или нездоровое, используя обученную модель глубокого обучения.

Примечания по использованию

Когда этот инструмент запущен, сервер анализа растров вызывает сторонний API глубокого обучения Python и использует специальную растровую функцию Python для обработки каждого растрового листа.

Входная модель глубокого обучения для этого инструмента должна быть элементом пакета глубокого обучения (.dlpk), который хранится на вашем портале. Вы можете создать элемент .dlpk с помощью инструмента геообработки Тренировать модель глубокого обучения в ArcGIS Pro или ArcGIS REST API инструмент анализа растра.

После того, как входная модель будет выбрана или указана, аргументы модели будут получены с сервера анализа растров. Информация может не быть получена инструментом, если модель является некорректной, или если сервер растровой аналитики некорректно настроен для глубокого обучения.

Входной элемент .dlpk должен включить файл определения модели Esri (.emd). См. пример файла .emd ниже.

{
    "Framework": "Keras",
    "ModelConfiguration":"KerasClassifier",
    "ModelFile":"C:\\DeepLearning\\Damage_Classification_Model_V7.h5",
    "ModelType":"ObjectClassification",
    "ImageHeight":256,
    "ImageWidth":256,
    "ExtractBands":[0,1,2],
    "CropSizeFixed": 1,
    "BlackenAroundFeature": 1,
    "ImageSpaceUsed": "MAP_SPACE", 
    "Classes": [
    {
       "Value": 0,
       "Name": "Damaged",
       "Color": [255, 0, 0]
    },
    {
       "Value": 1,
       "Name": "Undamaged",
       "Color": [76, 230, 0]
    }
    ]
}

Если отмечено Использовать текущий экстент карты, будут анализироваться только те пикселы, которые видны в текущем экстенте карты. Если этой отметки нет, будет проанализирован весь слой входных изображений.

Параметры этого инструмента перечислены в следующей таблице:

ПараметрОбъяснение
Выбор изображения для определения объектов

Входное изображение, которое будет использоваться для классификации объектов.

Выберите векторный слой для объектов (дополнительно)

Входной векторный слой точек, линий или полигонов, который определяет местоположения всех объектов, которые будут классифицироваться и надписываться. Каждая строка входного векторного слоя представляет отдельный объект.

Если входной векторный слой не указан, считается, что каждое входное изображение содержит один объект для классификации. Если у входного изображения или изображений есть пространственная привязка, то на выходе этого инструмента будет получен векторный слой, в котором экстент каждого изображения используется в качестве ограничивающей геометрии для любого отмеченного объекта. Если входное изображение или изображения не имеют пространственной привязки, то на выходе инструмента будет получена таблица, содержащая значения ID изображений и надписи классов для каждого изображения.

Выбор модели глубокого обучения для классификации объектов

Элемент входных данных пакета глубокого обучения (.dlpk).

Пакет глубокого обучения включает JSON-файла определения модели Esri (.emd), двоичного файла модели глубокого обучения и, при необходимости, растровой функции Python.

Введите аргументы модели глубокого обучения

Аргументы функции задаются в растровой функции Python, на который ссылается входная модель. Там перечисляются дополнительные параметры глубокого обучения и аргументы для улучшения, например, порог достоверности для настройки чувствительности.

Названия аргументов заполняются инструментом при чтении модуля Python.

Задать имя поля меток класса (дополнительно)

Имя поля, которое будет содержать надпись классификации в выходном векторном слое.

Если имя поля не указано, то в выходном векторном слое будет создано новое поле с именем ClassLabel.

Режим обработки

Определяет, как будут обрабатываться элементы растров в сервисе изображений.

  • Обработать как мозаичное изображение – Все растровые элементы в сервисе изображений будут объединены в мозаику и обработаны. Используется по умолчанию.
  • Обработать все элементы растров по отдельности – Все растровые элементы в сервисе изображений будут обработаны как отдельные изображения.
.

Имя слоя результата

Имя слоя, который будет добавлен в Мои ресурсы и на карту. Имя слоя по умолчанию зависит от имени инструмента и имени входного слоя. Если имя слоя уже используется, появится запрос ввести новое имя.

Вы можете указать имя папки в Моих ресурсах, где будет сохранен результат, с помощью ниспадающего списка Сохранить результат в.

Параметры среды

Параметры среды анализа - это дополнительные параметры, которые влияют на результаты работы инструмента. Вы можете получить доступ к настройкам среды анализа инструмента, щелкнув значок шестеренки Analysis Environments в верхней части панели инструментов.

Этот инструмент поддерживает следующие Параметры среды анализа:

  • Экстент - указывает область, которая будет использоваться для анализа.
  • Размер ячейки - размер ячейки для использования в выходном слое.
  • Интервал повторений рабочих процессов обработки - определяет, сколько разделов изображения нужно обработать перед перезапуском рабочих процессов.
  • Коэффициент параллельной обработки - управляет экземплярами ЦПУ или графического процессора для обработки растров.
  • Количество повторных попыток при неудачах - определяет, сколько повторных попыток будет предпринять рабочий процесс при случайном сбое обработки задания.

Сходные инструменты и функции растра

Используйте инструмент Классифицировать объекты при помощи глубокого обучения для классификации объектов на изображении. Другие инструменты могут применяться для решения похожих задач.

Инструменты анализа Map Viewer и функции растра

Используйте инструмент Выявить объекты при помощи глубокого обучения для поиска объектов на снимке. Используйте инструмент Классифицировать пикселы при помощи глубокого обучения для классификации каждого пиксела в изображении.

Инструменты анализа ArcGIS Pro и функции растра

Инструмент геообработки Классифицировать объекты при помощи глубокого обучения находится в наборе инструментов Image Analyst. Другие инструменты из группы Глубокое обучение выполняют процессы глубокого обучения.

Ресурсы для разработчиков ArcGIS Enterprise

Если вы работаете в ArcGIS REST API, используйте операцию Classify Objects Using Deep Learning.

Если вы работаете в ArcGIS API for Python, выполните задачи глубокого обучения веб-сайта ArcGIS for Python API с помощью модуля arcgis.learn.