Clasificar objetos con aprendizaje profundo (Herramientas de Image Analyst)

Resumen

Ejecuta un modelo de aprendizaje profundo entrenado en un ráster de entrada y una clase de entidad opcional para generar una clase de entidad o tabla en la que cada objeto o entidad de entrada tenga asignada una etiqueta de clase o categoría.

Esta herramienta requiere un archivo de definición de modelo que contenga información del modelo entrenado. El modelo se puede entrenar usando la herramienta Entrenar un modelo de aprendizaje profundo o mediante software de entrenamiento de terceros como PyTorch. El archivo de definición de modelo puede ser un archivo JSON de definición de modelo de Esri (.emd) o un paquete de modelo de aprendizaje profundo, y debe contener la ruta a la función ráster de Python que se llamará para procesar cada objeto y la ruta al archivo de modelo de aprendizaje profundo binario entrenado.

Uso

• Debe instalar la API de Python de marco de aprendizaje profundo adecuada en el entorno de Python de ArcGIS Pro; de lo contrario, se producirá un error al agregar el archivo de definición de modelo de Esri a la herramienta. La persona que creó el archivo de definición del modelo de Esri debe proporcionar la información de marco adecuada.

  Para configurar su equipo para usar marcos de aprendizaje profundo en ArcGIS Pro, consulte Instalar marcos de aprendizaje profundo para ArcGIS.

• Esta herramienta llama a una API de Python de aprendizaje profundo de terceros y usa la función ráster de Python especificada para procesar cada objeto.

• Ejemplos de casos de uso de esta herramienta se encuentran en la página de GitHub sobre la función ráster de Python de Esri. También puede escribir módulos de Python personalizados con los siguientes ejemplos e instrucciones.

• El valor del parámetro Definición de modelo puede ser un archivo JSON de definición de modelo de Esri (.emd), una cadena de caracteres JSON o un paquete de modelo de aprendizaje profundo (.dlpk). Una cadena de caracteres JSON es útil cuando esta herramienta se utiliza en el servidor para pegar la cadena de caracteres JSON, en lugar de cargar el archivo .emd. El archivo .dlpk debe almacenarse localmente.

• La propiedad CropSizeFixed define el modo de corte de la tesela ráster alrededor de cada objeto. Un valor de 1 significa que se utilizará una tesela ráster fija, definida por las propiedades ImageHeight e ImageWidth del archivo .emd. El objeto se centra dentro del tamaño de tesela fijo. Un valor de 0 significa que se usará un tamaño de tesela variable en el que la tesela ráster se recorta usando el cuadro de delimitación más pequeño alrededor del objeto.

• La propiedad BlackenAroundFeature especifica si los píxeles que están fuera de cada objeto se enmascararán. Un valor de 0 significa que los píxeles situados fuera del objeto no se enmascararán. Un valor de 1 significa que los píxeles situados fuera del objeto se enmascararán.

• La herramienta puede procesar imágenes de entrada que estén en el espacio de mapa o en el espacio de píxeles. Las imágenes en el espacio de mapa se encuentran en un sistema de coordenadas basado en mapa. Las imágenes en el espacio de píxeles se basan en filas y columnas sin rotación ni distorsión. El sistema de referencia puede especificarse al generar los datos de entrenamiento en la herramienta Exportar datos de entrenamiento para aprendizaje profundo usando el parámetro Sistema de referencia. Si el modelo se entrena en un software de entrenamiento de terceros, el sistema de referencia debe especificarse en el archivo .emd usando el parámetro ImageSpaceUsed, que puede establecerse en MAP_SPACE o PIXEL_SPACE.

• El ráster de entrada puede ser un ráster simple, varios rásteres o una clase de entidad con imágenes adjuntas. Para obtener más información sobre los adjuntos, consulte Agregar o eliminar archivos adjuntos.

• El rendimiento de la herramienta puede mejorarse aumentando el tamaño del lote; sin embargo, conforme aumenta el tamaño del lote se utiliza más memoria. Si se produce un error de memoria insuficiente, utilice un tamaño de lote más pequeño. El valor de batch_size se puede ajustar con el parámetro Argumentos.

• Los tamaños de lote son números cuadrados, como 1, 4, 9, 16, 25, 64, etc. Si el valor de entrada no es un número cuadrado, se utiliza el valor cuadrado más alto posible. Por ejemplo, si se especifica un valor de 6, el tamaño de lote se establece en 4.

• Algunos modelos de aprendizaje profundo admiten la representación cartográfica de activación de clases ponderada por gradientes (Grad-CAM). El método Grad-CAM encuentra el gradiente del logit más dominante con respecto al último mapa de activación del modelo. Este método resalta los píxeles más influyentes de la imagen que fueron fundamentales para que el modelo determinara la clasificación de la imagen.

  Cuando el soporte de Grad-CAM se establece en true en la definición del modelo, cada entidad de la clase de entidad de salida tendrá un adjunto que muestra los píxeles influyentes.

• Esta herramienta admite y utiliza varias GPU, si están disponibles. Para utilizar una GPU específica, determine el entorno Id. de GPU. Cuando el Id. de GPU no se define, la herramienta todas las GPU disponibles. Esta es la opción predeterminada.

• Cuando el entorno Tipo de procesador se configura como CPU y el entorno Factor de procesamiento en paralelo no se especifica, la herramienta utilizará un valor de Factor de procesamiento en paralelo del 50 %.

• Para obtener información sobre los requisitos para ejecutar esta herramienta y los problemas que pueden presentarse, consulte Preguntas frecuentes sobre el aprendizaje profundo.

• Para obtener más información sobre el aprendizaje profundo, consulte Aprendizaje profundo con la extensión ArcGIS Image Analyst.

Parámetros

• Dialog
• Python

Etiqueta	Explicación	Tipo de datos
Ráster de entrada	La imagen de entrada que se utilizará para clasificar objetos. La entrada puede ser un solo ráster, varios rásteres de un dataset de mosaico, un servicio de imágenes, una carpeta de imágenes o una clase de entidad con imágenes adjuntas.	Raster Dataset; Raster Layer; Mosaic Layer; Image Service; Map Server; Map Server Layer; Internet Tiled Layer; Folder; Feature Layer; Feature Class
Clase de entidad de objetos clasificados de salida	Clase de entidad de salida que contendrá geometrías que circunden los objetos o la entidad de la clase de entidad de entrada, así como un campo para almacenar la etiqueta de categorización. Si la clase de entidad ya existe, los resultados se agregarán a la clase de entidad existente.	Feature Class
Definición de modelo	El valor del parámetro Definición de modelo puede ser un archivo JSON de definición de modelo de Esri (.emd), una cadena de caracteres JSON o un paquete de modelo de aprendizaje profundo (.dlpk). Una cadena de caracteres JSON es útil cuando esta herramienta se utiliza en el servidor para pegar la cadena de caracteres JSON, en lugar de cargar el archivo .emd. El archivo .dlpk debe almacenarse localmente. Contiene la ruta al archivo de modelo binario de aprendizaje profundo, la ruta a la función ráster de Python que se va a usar y otros parámetros, como el tamaño de tesela preferido o el relleno.	File; String
Entidades de entrada (Opcional)	Clase de entidad de entrada de puntos, líneas o polígonos que identifica la ubicación de cada objeto o entidad que se va a clasificar y etiquetar. Cada fila de la clase de entidades de entrada representa un único objeto o entidad. Si no se proporciona ninguna clase de entidad de entrada, se presupone que cada imagen de entrada contiene un único objeto que se va a clasificar. Si las imágenes de entrada utilizan alguna referencia espacial, la salida de la herramienta es una clase de entidad en la que se utiliza la extensión de cada imagen como la geometría de delimitación para cada clase de entidad etiquetada. Si las imágenes de entrada no se referencian espacialmente, la salida de la herramienta es una tabla que contiene los valores de Id. de imagen y las etiquetas de clase de cada imagen.	Feature Class; Feature Layer
Campo de etiqueta de clase (Opcional)	Nombre del campo que va a contener la etiqueta de clase o categoría en la clase de entidad de salida. Si no se proporciona ningún nombre de campo, se generará un campo ClassLabel en la clase de entidad de salida.	String
Modo de procesamiento (Opcional)	Especifica cómo se procesarán todos los elementos de ráster en un dataset de mosaico o un servicio de imágenes. Este parámetro se aplica si el ráster de entrada es un dataset de mosaico o un servicio de imágenes. Procesar como imagen en mosaico—Se creará un mosaico con todos los elementos de ráster del dataset de mosaico o del servicio de imágenes y se procesarán. Esta es la opción predeterminada. Procesar todos los elementos de ráster por separado—Todos los elementos de ráster del dataset de mosaico o del servicio de imágenes se procesarán como imágenes separadas.	String
Argumentos (Opcional)	La información del parámetro Definición de modelo se utilizará para rellenar este parámetro. Estos argumentos varían en función de la arquitectura del modelo. Los siguientes son los argumentos de modelo admitidos para los modelos entrenados en ArcGIS. Los modelos preentrenados de ArcGIS y los modelos de aprendizaje profundo personalizados pueden tener argumentos adicionales compatibles con la herramienta. Columnas de la tabla de valores: Name—The name of the function argument. Value—The value of the function argument. batch size—The number of image tiles processed in each step of the model inference. This depends on the memory of your graphics card. The argument is available for all model architectures. time test augmentation—Performs test time augmentation while predicting. If true, predictions of flipped and rotated variants of the input image will be merged into the final output. The argument is available for all model architectures. score threshold—The predictions above this confidence score are included in the result. The allowed values range from 0 to 1.0. The argument is available for all model architectures. This argument tends to be used in models trained prior to ArcGIS Pro 3.5. threshold—The predictions above this confidence score are included in the result. The allowed values range from 0 to 1.0. The argument is available for all model architectures. This argument tends to be used in models trained in ArcGIS Pro 3.5 and later.	Value Table
Título (Opcional)	Nombre del campo que va a contener el texto o la leyenda en la clase de entidad de salida. Este parámetro solo se admite cuando se utiliza un modelo de subtitulador de imágenes. Si no se proporciona ningún nombre de campo, se generará un campo Caption en la clase de entidad de salida. Nota: Este parámetro no aparecerá en el panel Geoprocesamiento. Para cambiar el nombre de campo predeterminado, utilice el parámetro Campo de etiqueta de clase.	String

Entornos

Sistema de coordenadas de salida, Transformaciones geográficas, Extensión, Tamaño de celda, Tipo de procesador, Id. de GPU, Factor de procesamiento en paralelo

Información de licenciamiento

• Basic: Requiere Image Analyst
• Standard: Requiere Image Analyst
• Avanzado: Requiere Image Analyst

Temas relacionados

• Descripción general del conjunto de herramientas de Aprendizaje profudno
• Instalar marcos de aprendizaje profundo para ArcGIS
• Entrenar un modelo de aprendizaje profundo
• Argumentos sobre aprendizaje profundo
• Arquitecturas de modelos de aprendizaje profundo
• Buscar una herramienta de geoprocesamiento
• Detectar objetos mediante aprendizaje profundo
• Exportar datos de formación para aprendizaje profundo
• Clasificación de objetos