Extraire des entités à l’aide de modèles d’IA (Outils Image Analyst)

Résumé

Exécute un ou plusieurs modèles de Deep Learning pré-entraînés sur un raster en entrée pour extraire des entités et automatiser le post-traitement des sorties déduites.

En savoir plus sur le fonctionnement de l’outil Extraire des entités à l’aide de modèles IA

Utilisation

• Cet outil requiert des modèles pré-entraînés ArcGIS issus d’ArcGIS Living Atlas of the World ou des paquetages de modèle de Deep Learning personnalisés (fichier .dlpk).

• Vous devez installer la structure de Deep Learning correspondant à Python dans ArcGIS Pro.

  Découvrir comment installer des structures de Deep Learning pour ArcGIS

• Le temps nécessaire à l’outil pour produire les sorties dépend des éléments suivants :

  • La zone d’intérêt utilisée pour l’inférence

  • Le nombre de modèles sélectionnés

• Pour exécuter cet outil, une machine équipée d’une unité de traitement graphique (GPU) est nécessaire. Si vous avez plusieurs unités de traitement graphique, spécifiez plutôt le paramètre GPU ID (ID de GPU).

• Les cas d’usage potentiels de l’outil sont notamment la création d’un fond de carte avec plusieurs modèles et le post-traitement de sorties de modèle à l’aide d’algorithmes pour nettoyer les entités extraites.

• Pour des informations sur les exigences relatives à l’exécution de cet outil ainsi que sur les problèmes qui peuvent survenir, reportez-vous à la rubrique Forum aux questions sur le Deep Learning.

Paramètres

• Dialog
• Python

Etiqueter	Explication	Type de données
Raster en entrée	Raster en entrée sur lequel le traitement est réalisé. Si le paramètre Mode est défini sur Only Postprocess (Post-traitement uniquement), un raster avec une classification binaire est requis pour ce paramètre.	Raster Layer; Raster Dataset; Mosaic Layer
Mode	Indique le mode utilisé pour le traitement du raster en entrée. Inférence et post-traitement—Les entités sont extraites de l’imagerie et post-traitées. Il s’agit de l’option par défaut. Post-traitement uniquement—Le raster en entrée est post-traité directement. Un raster monobande à classification binaire est requis pour cette option.	String
Emplacement en sortie	Géodatabase dans laquelle la sortie intermédiaire des modèles et la sortie post-traitée finale sont stockées.	Workspace
Préfixe en sortie	Préfixe ajouté au nom des sorties qui sont enregistrées à l’emplacement en sortie. Le préfixe sert également de nom pour un groupe de couches qui permet d’afficher toutes les sorties.	String
Zone d’intérêt (Facultatif)	Étendue géographique utilisée pour extraire des entités. Seules les entités qui se trouvent à l’intérieur de la zone d’intérêt sont extraites.	Feature Set
Modèles pré-entraînés (Facultatif)	Modèles pré-entraînés ArcGIS issus d’ArcGIS Living Atlas of the World pouvant être utilisés sur le raster en entrée fourni. Ce paramètre requiert une connexion Internet pour télécharger les modèles pré-entraînés.	String
Modèles supplémentaires (Facultatif)	Modèles de Deep Learning pouvant être utilisés sur le raster en entrée fourni et processus de post-traitement à utiliser pour les fichiers de modèle supplémentaires (.dlpk et .emd). Colonnes de la table de valeurs : Model Path—The deep learning models that can be used on the provided input raster. Postprocessing Workflow—The postprocessing workflow that will be used for additional model files (.dlpk and .emd). Line Regularization—The postprocessing workflow will extract line features from a single band raster with binary classification and generate a polyline feature class after refining it. This workflow also supports deep learning models that generate polyline feature classes. Parcel Regularization—The postprocessing workflow will extract parcels from a single band raster with binary classification and generate a polygon feature class after refining it. Polygon Regularization—The postprocessing workflow will generate a polygon feature class after refining it. This workflow is only compatible with object detection models. Polygon Segmentation—The postprocessing workflow will generate a polygon feature class containing the detected objects using their centroid or bounding box. The segmentation method is specified using the prompt parameter. None—No postprocessing workflow will be applied. This is the default.	Value Table
Seuil de confiance (Facultatif)	Confiance minimale du modèle de Deep Learning utilisé lors de la détection d’objets. La valeur doit être comprise entre 0 et 1.	Double
Enregistrer la sortie intermédiaire (Facultatif)	Indique si les sorties intermédiaires sont enregistrées dans l’emplacement en sortie. Le terme de sorties intermédiaires désigne les résultats générés une fois le modèle inféré. Activé—Les sorties intermédiaires sont enregistrées dans l’emplacement en sortie. Décoché—Les sorties intermédiaires ne sont pas enregistrées. Il s’agit de l’option par défaut.	Boolean
Augmentation du temps de test (Facultatif)	Indique si les prévisions des variantes inversées et pivotées de l’image en entrée sont fusionnées dans la sortie finale. Activé—Les prévisions des variantes inversées et pivotées de l’image en entrée sont fusionnées dans la sortie finale. Décoché—Les prévisions des variantes inversées et pivotées de l’image en entrée ne sont pas fusionnées dans la sortie finale. Il s’agit de l’option par défaut.	Boolean
Distance de la zone tampon (Facultatif)	Distance à utiliser pour buffériser les entités polylignes avant de les utiliser dans le post-traitement. La valeur par défaut est de 15 mètres.	Linear Unit
Longueur de prolongement (Facultatif)	Distance maximale à laquelle un segment de ligne est prolongé jusqu’à une entité d’intersection. La valeur par défaut est de 25 mètres.	Linear Unit
Tolérance de lissage (Facultatif)	Tolérance utilisée par l’algorithme PAEK (approximation polynomiale avec noyau exponentiel). La valeur par défaut est de 30 mètres.	Linear Unit
Longueur d’arc pendant (Facultatif)	Longueur à laquelle les segments de ligne qui ne touchent pas une autre ligne aux deux extrémités (arcs pendants) sont tronqués. La valeur par défaut est de 5 mètres.	Linear Unit
Entités routes en entrée (Facultatif)	Classe d’entités route utilisée pour affiner les parcelles. L’entrée peut être une classe d’entités surfaciques ou polylignes.	Feature Layer; Feature Class
Largeur de la zone tampon des routes (Facultatif)	Distance de la zone tampon utilisée pour les entités route en entrée. La valeur par défaut est de 5 mètres pour les entités polylignes et de 0 mètre pour les entités surfaciques.	Linear Unit
Régulariser les parcelles (Facultatif)	Indique si les parcelles extraites sont normalisées en éliminant les artefacts indésirables dans leur géométrie. Activé—Les parcelles extraites sont normalisées. Il s’agit de l’option par défaut. Décoché—Les parcelles extraites ne sont pas normalisées.	Boolean
Processus de post-traitement (Facultatif)	Indique le processus de post-traitement utilisé. Régularisation linéaire—Les entités linéaires sont extraites d’un raster monobande à classification binaire et une classe d’entités polylignes est générée après son optimisation. Régularisation parcellaire—Les parcelles sont extraites d’un raster monobande à classification binaire et une classe d’entités surfaciques est générée après son optimisation. Régularisation surfacique—Une classe d’entités surfaciques est générée après son optimisation. Ce processus est uniquement compatible avec les modèles de détection d’objets.	String
Entités en sortie (Facultatif)	Classe d’entités contenant la sortie post-traitée.	Feature Class
Tolérance entre des parcelles adjacentes (Facultatif)	Distance minimale entre des coordonnées avant qu’elles ne soient considérées comme identiques. Ce paramètre permet de réduire les micropolygones entre les parcelles extraites. La valeur par défaut est définie sur 3 mètres.	Linear Unit
Méthode de régularisation (Facultatif)	Indique la méthode de régularisation utilisée pour le post-traitement. Angles droits—Des formes composées d’angles à 90° entre des segments adjacents sont créées. Il s’agit de l’option par défaut. Angles droits et diagonales—Des formes composées d’angles à 45° et 90° entre des segments adjacents sont créées. Tous les angles—Des formes qui dessinent des angles quelconques entre des segments adjacents sont créées. Cercle—La distance maximale à partir de la limite de l’entité en cours de traitement est utilisée.	String
Tolérance (Facultatif)	Distance maximale selon laquelle l’emprise régularisée peut s’écarter de la limite de son entité d’origine. La valeur par défaut est 1 mètre.	Linear Unit
Prompt (Facultatif)	Spécifie la méthode de segmentation utilisée lorsque le paramètre Additional Models (Modèles supplémentaires) est défini sur Polygon Segmentation (Segmentation des polygones). Centroïde—Le centroïde des détections indique au modèle de segmentation des polygones ce qu’il faut segmenter dans le raster en entrée. Emprise—L’emprise des détections indique au modèle de segmentation des polygones ce qu’il faut segmenter dans le raster en entrée. Aucun—Aucune méthode de segmentation n’est utilisée. Il s’agit du paramètre par défaut.	String
Entités en entrée (Facultatif)	Classe d’entités sur laquelle le post-traitement est effectué. Ce paramètre est pris en charge uniquement lorsque le paramètre Post Processing Workflow (Processus de post-traitement) est défini sur Line Regularization (Régularisation linéaire) ou sur Polygon Regularization (Régularisation surfacique). Classe d’entités sur laquelle le post-traitement est effectué. Ce paramètre est pris en charge uniquement lorsque le paramètre post_processing_workflow est défini sur Line Regularization ou sur Polygon Regularization.	Feature Layer; Feature Class
Synthèse en sortie (Facultatif)	La table contient une liste des sorties générées ainsi que leurs chemins d’accès respectifs.	Table

Environnements

ID de GPU

Informations de licence

• Basic: Non
• Standard: Non
• Advanced: Requiert Image Analyst

Rubriques connexes

• Vue d’ensemble du jeu d’outils Deep Learning
• Installer des structures de Deep Learning pour ArcGIS
• Entraîner le modèle de Deep Learning
• Arguments de Deep Learning
• Architectures du modèle de Deep Learning
• Rechercher un outil de géotraitement
• Classer des objets à l’aide du Deep Learning
• Détecter des objets à l’aide du Deep Learning