Pixel mit Deep Learning übertragen (Image Analyst Tools)
Zusammenfassung
Führt ein trainiertes Deep-Learning-Modell aus, um Pixel in einem Bild zu übertragen.
Verwendung
Dieses Werkzeug dient dazu, Pixel in einem Bild mithilfe von Informationen aus Deep-Learning-Modellen zu übertragen. Beispiele für solche Übertragungen sind die Erhöhung der Pixelauflösung, die Umwandlung eines Graustufenbildes in ein Farbbild usw.
Der Modelltyp Super-Resolution kann zur Erhöhung der Bildauflösung verwendet werden.
Der Modelltyp CycleGAN kann zur Bildübertragung verwendet werden, beispielsweise von Graustufen in die Farben Rot, Grün und Blau (RGB).
Der Modelltyp Pix2Pix kann zur Bildübertragung verwendet werden, beispielsweise von SAR in RGB.
Unten finden Sie ein Beispiel für eine JSON-Modelldefinitionsdatei (.emd).
Beispiel für eine JSON-Modelldefinitionsdatei (*.emd)
Raster Dataset; Raster Layer; Mosaic Layer; Image Service; Map Server; Map Server Layer; Internet Tiled Layer; Folder; Feature Layer; Feature Class
Modelldefinition
Der Pfad zur JSON-Modelldefinitionsdatei (*.emd).
File; String
Argumente
(Optional)
Die Informationen aus dem Parameter Modelldefinition werden zum Füllen dieses Parameters verwendet. Diese Argumente sind je nach Modellarchitektur unterschiedlich. Für Modelle, die in ArcGIS trainiert werden, werden die folgenden Modellargumente unterstützt. Vortrainierte Modelle und benutzerdefinierte Deep-Learning-Modelle in ArcGIS verfügen ggf. über weitere Argumente, die von dem Werkzeug unterstützt werden.
batch_size—Die Anzahl der in den einzelnen Schritten der Modellinferenz verarbeiteten Kacheln. Dieser Wert hängt vom Speicher der Grafikkarte ab. Das Argument ist für alle Modellarchitekturen verfügbar.
direction—Das Bild wird von einer Domäne in eine andere übertragen. Die verfügbaren Optionen lauten AtoB und BtoA. Das Argument ist nur für die Architektur CycleGAN verfügbar. Weitere Informationen zu diesem Argument finden Sie unter "How CycleGAN works".
n_timestep—Die Anzahl der Zeitschritte, die verwendet werden. Der Standardwert beträgt 200. Er kann je nach Qualität der Generationen erhöht oder gesenkt werden. Das Argument wird nur für die Super-Resolution mit der Backbone-Modellarchitektur SR3 unterstützt.
padding—Die Anzahl von Pixeln am Rahmen von Bildkacheln, aus denen Vorhersagen für benachbarte Kacheln verschmolzen werden. Um die Ausgabe zu glätten und gleichzeitig Artefakte zu reduzieren, erhöhen Sie den Wert. Der Maximalwert für Padding ist die Hälfte des Wertes für die Kachelgröße. Das Argument ist für alle Modellarchitekturen verfügbar.
sampling_type—Die Art der Referenzpunkterfassung, die verwendet wird. Es sind zwei Arten der Referenzpunkterfassung verfügbar: ddim (Denoising Diffusion Implicit Models, Implizite Modelle der Entrauschungsdiffusion) und ddpm (Denoising Diffusion Probabilistic Models, Probabilistische Modelle der Entrauschungsdiffusion). Standardmäßig wird ddim verwendet. Damit werden im Vergleich zu ddpm Ergebnisse in weniger Zeitschritten erzielt. Das Argument wird nur für die Super-Resolution mit der Backbone-Modellarchitektur SR3 unterstützt.
schedule—Der zu verwendende Zeitplan für die Lernrate. Diese Option wird verwendet, um die Lernrate des Modells anzupassen, während das Modell trainiert wird. Als Standardzeitplan wird der Zeitplan des Modells verwendet, das für das Training verwendet wurde. Das Argument wird nur für die Super-Resolution mit der Backbone-Modellarchitektur SR3 unterstützt.
tile_size—Die Breite und Höhe der Bildkacheln, in die die Bilddaten für Vorhersagen unterteilt werden. Das Argument ist nur für die Architektur CycleGAN verfügbar.
Spalten der Wertetabelle:
Name—Der Name des Funktionsarguments.
Wert—Der Wert des Funktionsarguments.
Value Table
Verarbeitungsmodus
Legt fest, wie alle Raster-Elemente in einem Mosaik-Dataset oder Image-Service verarbeitet werden. Dieser Parameter findet Anwendung, wenn es sich beim Eingabe-Raster um ein Mosaik-Dataset oder einen Image-Service handelt.
Als mosaikiertes Bild verarbeiten—Alle Raster-Elemente im Mosaik-Dataset oder Image-Service werden zusammen mosaikiert und verarbeitet. Dies ist die Standardeinstellung.
Alle Raster-Elemente separat verarbeiten—Alle Raster-Elemente im Mosaik-Dataset oder Image-Service werden als separate Bilder verarbeitet.
String
Ausgabeordner
(Optional)
Der Ordner, in dem die Ausgabe-Raster gespeichert werden.
Dieser Parameter ist erforderlich, wenn es sich bei dem Eingabe-Raster um einen Ordner mit Bildern oder ein Mosaik-Dataset handelt, in dem alle Elemente einzeln verarbeitet werden müssen. Als Standard wird ein Ordner im Projektordner verwendet.
Folder
Ausgabe-Features
(Optional)
Die Feature-Class, in der die Ausgabe-Raster gespeichert werden.
Dieser Parameter ist erforderlich, wenn es sich bei dem Eingabe-Raster um eine Feature-Class mit Bildern handelt.
Wenn die Feature-Class bereits vorhanden ist, werden die Ergebnisse an die vorhandene Feature-Class angehängt.
Feature Class
Anlagen überschreiben
(Optional)
Gibt an, ob vorhandene Bildanlagen überschrieben werden.
Dieser Parameter ist nur gültig, wenn der Parameterwert Eingabe-Raster eine Feature-Class mit Bildanlagen ist.
Aktiviert—Die vorhandene Feature-Class wird durch die neuen aktualisierten Anlagen überschrieben.
Deaktiviert—Vorhandene Bildanlagen werden nicht überschrieben, und neue Bildanlagen werden in einer neuen Feature-Class gespeichert. Wenn diese Option angegeben wird, muss der Parameter Ausgabe-Features einen Wert aufweisen. Dies ist die Standardeinstellung.
Boolean
Pixelabstand verwenden
(Optional)
Gibt an, ob eine Inferenzierung an Bildern im Pixelabstand durchgeführt werden soll. Der Pixelabstand ist der XY-Koordinatenraum, der von der Anzahl der Pixel im Anzeigebereich bestimmt wird, z. B. 1024 x 768.
Aktiviert—Die Inferenzierung wird im Pixelabstand durchgeführt. Danach wird die Ausgabe wieder in den Kartenraum transformiert. Diese Option ist dann hilfreich, wenn Schrägluft-Bilddaten oder Bilddaten der Straßenansicht verwendet werden, bei denen die Features im Kartenraum möglicherweise verzerrt werden.
Deaktiviert—Die Inferenzierung wird im Kartenraum durchgeführt. Dies ist die Standardeinstellung.
Boolean
Rückgabewert
Beschriftung
Erläuterung
Datentyp
Ausgabe-Raster-Dataset
Der Name des Rasters oder Mosaik-Datasets mit dem Ergebnis.
Raster Dataset; Raster Layer; Mosaic Layer; Image Service; Map Server; Map Server Layer; Internet Tiled Layer; Folder; Feature Layer; Feature Class
in_model_definition
Der Pfad zur JSON-Modelldefinitionsdatei (*.emd).
File; String
arguments[arguments,...]
(Optional)
Mit den Informationen aus dem Parameter in_model_definition werden die Standardwerte für diesen Parameter festgelegt. Diese Argumente sind je nach Modellarchitektur unterschiedlich. Für Modelle, die in ArcGIS trainiert werden, werden die folgenden Modellargumente unterstützt. Vortrainierte Modelle und benutzerdefinierte Deep-Learning-Modelle in ArcGIS verfügen ggf. über weitere Argumente, die von dem Werkzeug unterstützt werden.
batch_size—Die Anzahl der in den einzelnen Schritten der Modell-Inferenz verarbeiteten Bildkacheln. Dieser Wert hängt vom Speicher der Grafikkarte ab. Das Argument ist für alle Modellarchitekturen verfügbar.
direction—Das Bild wird von einer Domäne in eine andere übertragen. Die verfügbaren Optionen lauten AtoB und BtoA. Das Argument ist nur für die Architektur CycleGAN verfügbar. Weitere Informationen zu diesem Argument finden Sie unter "How CycleGAN works".
n_timestep—Die Anzahl der Zeitschritte, die verwendet werden. Der Standardwert beträgt 200. Er kann je nach Qualität der Generationen erhöht oder gesenkt werden. Das Argument wird nur für die Super-Resolution mit der Backbone-Modellarchitektur SR3 unterstützt.
padding—Die Anzahl von Pixeln am Rahmen von Bildkacheln, aus denen Vorhersagen für benachbarte Kacheln verschmolzen werden. Um die Ausgabe zu glätten und gleichzeitig Artefakte zu reduzieren, erhöhen Sie den Wert. Der Maximalwert für Padding ist die Hälfte des Wertes für die Kachelgröße. Das Argument ist für alle Modellarchitekturen verfügbar.
sampling_type—Die Art der Referenzpunkterfassung, die verwendet wird. Es sind zwei Arten der Referenzpunkterfassung verfügbar: ddim (Denoising Diffusion Implicit Models, Implizite Modelle der Entrauschungsdiffusion) und ddpm (Denoising Diffusion Probabilistic Models, Probabilistische Modelle der Entrauschungsdiffusion). Standardmäßig wird ddim verwendet. Damit werden im Vergleich zu ddpm Ergebnisse in weniger Zeitschritten erzielt. Das Argument wird nur für die Super-Resolution mit der Backbone-Modellarchitektur SR3 unterstützt.
schedule—Der zu verwendende Zeitplan für die Lernrate. Diese Option wird verwendet, um die Lernrate des Modells anzupassen, während das Modell trainiert wird. Als Standardzeitplan wird der Zeitplan des Modells verwendet, das für das Training verwendet wurde. Das Argument wird nur für die Super-Resolution mit der Backbone-Modellarchitektur SR3 unterstützt.
tile_size—Die Breite und Höhe der Bildkacheln, in die die Bilddaten für Vorhersagen unterteilt werden. Das Argument ist nur für die Architektur CycleGAN verfügbar.
Spalten der Wertetabelle:
Name—Der Name des Funktionsarguments.
Value—Der Wert des Funktionsarguments.
Value Table
processing_mode
Legt fest, wie alle Raster-Elemente in einem Mosaik-Dataset oder Image-Service verarbeitet werden. Dieser Parameter findet Anwendung, wenn es sich beim Eingabe-Raster um ein Mosaik-Dataset oder einen Image-Service handelt.
PROCESS_AS_MOSAICKED_IMAGE—Alle Raster-Elemente im Mosaik-Dataset oder Image-Service werden zusammen mosaikiert und verarbeitet. Dies ist die Standardeinstellung.
PROCESS_ITEMS_SEPARATELY—Alle Raster-Elemente im Mosaik-Dataset oder Image-Service werden als separate Bilder verarbeitet.
String
out_translated_folder
(Optional)
Der Ordner, in dem die Ausgabe-Raster gespeichert werden.
Dieser Parameter ist erforderlich, wenn es sich bei dem Eingabe-Raster um einen Ordner mit Bildern oder ein Mosaik-Dataset handelt, in dem alle Elemente einzeln verarbeitet werden müssen. Als Standard wird ein Ordner im Projektordner verwendet.
Folder
out_featureclass
(Optional)
Die Feature-Class, in der die Ausgabe-Raster gespeichert werden.
Dieser Parameter ist erforderlich, wenn es sich bei dem Eingabe-Raster um eine Feature-Class mit Bildern handelt.
Wenn die Feature-Class bereits vorhanden ist, werden die Ergebnisse an die vorhandene Feature-Class angehängt.
Feature Class
overwrite_attachments
(Optional)
Gibt an, ob vorhandene Bildanlagen überschrieben werden.
Dieser Parameter ist nur gültig, wenn der Parameterwert in_raster eine Feature-Class mit Bildanlagen ist.
OVERWRITE—Die vorhandene Feature-Class wird durch die neuen aktualisierten Anlagen überschrieben.
NO_OVERWRITE—Vorhandene Bildanlagen werden nicht überschrieben, und neue Bildanlagen werden in einer neuen Feature-Class gespeichert. Wenn diese Option angegeben wird, muss der Parameter out_featureclass einen Wert aufweisen. Dies ist die Standardeinstellung.
Boolean
use_pixelspace
(Optional)
Gibt an, ob eine Inferenzierung an Bildern im Pixelabstand durchgeführt werden soll. Der Pixelabstand ist der XY-Koordinatenraum, der von der Anzahl der Pixel im Anzeigebereich bestimmt wird, z. B. 1024 x 768.
PIXELSPACE—Die Inferenzierung wird im Pixelabstand durchgeführt. Danach wird die Ausgabe wieder in den Kartenraum transformiert. Diese Option ist dann hilfreich, wenn Schrägluft-Bilddaten oder Bilddaten der Straßenansicht verwendet werden, bei denen die Features im Kartenraum möglicherweise verzerrt werden.
NO_PIXELSPACE—Die Inferenzierung wird im Kartenraum durchgeführt. Dies ist die Standardeinstellung.
Boolean
Rückgabewert
Name
Erläuterung
Datentyp
out_raster
Der Name des Rasters oder Mosaik-Datasets mit dem Ergebnis.
Raster
Codebeispiel
TranslatePixelsUsingDeepLearning: Beispiel 1 (Python-Fenster)
In diesem Beispiel erfolgt die Ausgabe eines übertragenen Bildes mithilfe eines Deep-Learning-Modells.