Available with Image Server
“使用深度学习检测对象”工具使用深度学习模型识别和定位影像图层中的对象。
将输出托管要素图层。
示例
“使用深度学习检测对象”工具可用于识别建筑物覆盖区以升级当地政府或区域应急小组的房产税数据。 该工具的输出图层是一个要素图层，可以识别区域中的建筑物。 创建的要素图层可用于与现有房产记录进行匹配，以记录房产的当前建筑覆盖区。
“使用深度学习检测对象”工具可用于识别停车场的汽车以统计考勤并准备交通调查。 创建的要素图层可在使用深度学习分类对象工具中用于对检测到的汽车类型进行分类。
用法说明
“使用深度学习检测对象”工具包含输入图层、模型设置和结果图层的配置。
输入图层
输入图层组包含以下参数：
- 输入影像图层或要素图层用于选择附件将用于检测在深度学习模型中标识的对象的影像图层或要素图层。 所选的影像图层应基于要用于对像素进行分类的深度学习模型的要求。
- 处理模式用于描述影像图层中栅格项目的处理方式。 处理模式包含以下选项：
- 以镶嵌影像方式处理 - 镶嵌数据集或影像服务中的所有栅格项目将镶嵌在一起并进行处理。 这是默认设置。
- 单独处理所有栅格项目 - 镶嵌数据集或影像服务中的所有栅格项目都将作为单独的影像进行处理。
模型设置
模型设置组包含以下参数：
- 用于检测对象的模型指定用于检测对象的深度学习模型。 深度学习模型需要位于 ArcGIS Online 中才能在工具中进行选择。 可以选择自己的模型、ArcGIS Online 中提供的公共模型或 ArcGIS Living Atlas of the World 中的模型。
- 模型参数列出了其他深度学习参数和输入模型未在 Python 栅格函数中定义的优化参数，例如用于调整灵敏度的置信度阈值。 参数名称将由工具通过读取 Python 模块进行填充。
- 非极大值抑制 (NMS) 用于确定是否执行非极大值抑制以移除根据置信度值识别的重复对象。
- 置信度得分字段用于指定记录置信度得分的字段名称，这些得分将创建为对象检测方法的输出。 当启用非极大值抑制 (NMS) 时，此参数可用。
- 类别值字段为输出要素图层中包含输入影像图层中的值的字段。 若未指定，则工具将使用标准类值字段 Classvalue 和 Value。 若这些字段不存在，则所有要素将被视为相同的对象类。 当启用非极大值抑制 (NMS) 时，此参数可用。
- 最大重叠比定义两个重叠要素的交集面积与并集面积之比。 默认值为 0。当启用非极大值抑制 (NMS) 时，此参数可用。
结果图层
结果图层组包括以下参数：
- 输出名称用于确定要创建并添加至地图的图层的名称。 名称必须唯一。 如果组织中已存在具有相同名称的图层，则工具将执行失败并提示您使用其他名称。
- 保存在文件夹中将指定我的内容中将用于保存结果的文件夹的名称。
环境
分析环境设置是影响工具执行结果的附加参数。 可以从环境设置参数组访问工具的分析环境设置。
此工具支持以下分析环境：
输出
将输出一个要素图层，其中每个检测到的对象作为添加了类别值和置信度字段的单个要素。
许可要求
该工具需要以下许可和配置：
- Creator 或 GIS Professional 用户类型
- ArcGIS Image Server 已针对深度学习栅格分析进行配置
- 发布者或管理员角色，或等效的自定义角色
资源
请通过以下资源了解更多详细信息：
- ArcGIS REST API 中的使用深度学习检测对象
- ArcGIS API for Python 中的 detect_objects 函数
- ArcGIS Enterprise 中的使用深度学习分类对象
- ArcGIS Pro 中的使用深度学习检测对象