Convertir des pixels à l’aide du Deep Learning (Outils Image Analyst)
Résumé
Exécute un modèle de Deep Learning entraîné pour convertir les pixels d’une image.
Utilisation
– Cet outil permet de convertir les pixels d’une image en utilisant les informations d’un modèle de Deep Learning. L’augmentation de la résolution des pixels et la conversion d’une image en niveaux de gris en image couleur sont des exemples de conversion.
– Le type de modèle Super-résolution peut servir à augmenter la résolution d’image.
– Le type de modèle CycleGAN peut servir à effectuer une conversion d’images, telle que Niveau de gris en RVB (rouge, vert, bleu).
– Le type de modèle Pix2Pix peut servir à effectuer une conversion d’images, telle que SAR en RVB.
– Consultez l’exemple ci-dessous pour un fichier JSON de définition de modèle (.emd).
Exemple de fichier JSON de définition de modèle (*.emd)
Raster Dataset; Raster Layer; Mosaic Layer; Image Service; Map Server; Map Server Layer; Internet Tiled Layer; Folder; Feature Layer; Feature Class
Définition de modèle
Chemin du fichier JSON de définition de modèle (*.emd).
File; String
Arguments
(Facultatif)
Les informations du paramètre Model Definition (Définition de modèle) sont utilisées pour renseigner ce paramètre. Ces arguments varient en fonction de l’architecture de modèle. Les arguments de modèle suivants sont pris en charge pour les modèles entraînés dans ArcGIS. Les modèles pré-entraînés ArcGIS et les modèles de Deep Learning personnalisés peuvent comporter des arguments supplémentaires pris en charge par l’outil.
batch_size—Nombre de tuiles d’image traitées à chaque étape de l’inférence du modèle. Ce nombre dépend de la mémoire de la carte graphique. L’argument est disponible pour toutes les architectures de modèle.
direction—L’image est convertie d’un domaine à un autre. Les options sont AtoB et BtoA. L’argument est uniquement disponible pour l’architecture CycleGAN. Pour plus d’informations sur cet argument, reportez-vous à la rubrique Fonctionnement de CycleGAN.
n_timestep—Nombre d’intervalles temporels à utiliser. La valeur par défaut est 200. Vous pouvez l’augmenter ou la diminuer en fonction de la qualité des générations. L’argument est pris en charge uniquement pour l’architecture du modèle Super-résolution avec backbone SR3.
padding—Le nombre de pixels en bordure des tuiles d’image à partir duquel les prévisions sont fusionnées pour les tuiles adjacentes. Pour lisser la sortie tout en réduisant les artefacts, augmentez la valeur. La valeur maximale de marge de remplissage peut être égale à la moitié de la valeur de taille de tuile. L’argument est disponible pour toutes les architectures de modèle.
sampling_type—Type d’échantillonnage à utiliser. Deux types d’échantillonnage sont disponibles : ddim (modèles implicites de diffusion de débruitage) et ddpm (modèles probabilistes de diffusion de débruitage). La valeur par défaut est ddim. Elle génère des résultats comportant moins d’intervalles temporels que ddpm. L’argument est pris en charge uniquement pour l’architecture du modèle Super-résolution avec backbone SR3.
schedule—Type de planification de vitesse d’apprentissage à utiliser. Cette option permettra d’ajuster la vitesse d’apprentissage du modèle lors de son entraînement. La planification par défaut est la même que celle du modèle d’entraînement. L’argument est pris en charge uniquement pour l’architecture du modèle Super-résolution avec backbone SR3.
tile_size—Largeur et hauteur des tuiles d’image de subdivision de l’imagerie en vue de la prévision. L’argument est uniquement disponible pour l’architecture CycleGAN.
Colonnes de la table de valeurs :
Nom—Nom de l’argument de la fonction.
Valeur—Valeur de l’argument de la fonction.
Value Table
Mode de traitement
Spécifie comment tous les éléments raster figurant dans un jeu de données mosaïque ou un service d’imagerie seront traités. Ce paramètre est appliqué lorsqu’un raster en entrée est un jeu de données mosaïque ou service d’imagerie.
Process as mosaicked image (Traiter en tant qu’image mosaïquée)—Tous les éléments raster figurant dans le jeu de données mosaïque ou le service d’imagerie seront mosaïqués ensemble, puis traités. Il s’agit de l’option par défaut.
Process all raster items separately (Traiter tous les éléments raster séparément)—Tous les éléments raster figurant dans le jeu de données mosaïque ou le service d’imagerie seront traités en tant qu’images séparées.
String
Dossier en sortie
(Facultatif)
Dossier dans lequel les rasters en sortie sont stockés.
Ce paramètre est requis lorsque le raster en entrée est un dossier d’images ou un jeu de données mosaïque dans lequel tous les éléments doivent être traités séparément. Par défaut, il s’agit d’un dossier du dossier de projet.
Folder
Entités en sortie
(Facultatif)
Classe d’entités dans laquelle les rasters en sortie sont stockés.
Ce paramètre est requis si le raster en entrée est une classe d’entités d’images.
Si la classe d’entités existe déjà, les résultats sont ajoutés à la classe d’entités existante.
Feature Class
Remplacer les pièces jointes
(Facultatif)
Indique si les images jointes existantes sont remplacées.
Ce paramètre est valide uniquement lorsque la valeur du paramètre Input Raster (Raster en entrée) est une classe d’entités avec des images en pièces jointes.
Activé—La classe d’entités existante est remplacée par les nouvelles pièces jointes mises à jour.
Décoché—Les images jointes existantes ne sont pas remplacées et les nouvelles images jointes sont stockées dans une nouvelle classe d’entités. Lorsque cette option est spécifiée, le paramètre Output Features (Entités en sortie) doit être renseigné. Il s’agit de l’option par défaut.
Boolean
Utiliser l’espace pixel
(Facultatif)
Indique si l’inférence est exécutée sur les images de l’espace pixel. L’espace pixel est l’espace de coordonnées x,y défini par le nombre de pixels dans la zone d’affichage, comme 1024 x 768.
Activé—L’inférence est exécutée dans l’espace pixel et la sortie est retransformée dans l’espace cartographique. Cette option est utile si vous utilisez une imagerie oblique ou une imagerie à l’échelle des rues, où les entités sont susceptibles d’être déformées dans l’espace cartographique.
Décoché—L’inférence est exécutée dans l’espace cartographique. Il s’agit de l’option par défaut.
Boolean
Valeur de retour
Etiqueter
Explication
Type de données
Jeu de données raster en sortie
Nom du jeu de données mosaïque ou raster contenant le résultat.
Raster Dataset; Raster Layer; Mosaic Layer; Image Service; Map Server; Map Server Layer; Internet Tiled Layer; Folder; Feature Layer; Feature Class
in_model_definition
Chemin du fichier JSON de définition de modèle (*.emd).
File; String
arguments[arguments,...]
(Facultatif)
Les informations du paramètre in_model_definition sont utilisées pour définir les valeurs par défaut de ce paramètre. Ces arguments varient en fonction de l’architecture de modèle. Les arguments de modèle suivants sont pris en charge pour les modèles entraînés dans ArcGIS. Les modèles pré-entraînés ArcGIS et les modèles de Deep Learning personnalisés peuvent comporter des arguments supplémentaires pris en charge par l’outil.
batch_size—Nombre de tuiles d’image traitées à chaque étape de l’inférence du modèle. Ce nombre dépend de la mémoire de la carte graphique. L’argument est disponible pour toutes les architectures de modèle.
direction—L’image est convertie d’un domaine à un autre. Les options sont AtoB et BtoA. L’argument est uniquement disponible pour l’architecture CycleGAN. Pour plus d’informations sur cet argument, reportez-vous à la rubrique Fonctionnement de CycleGAN.
n_timestep—Nombre d’intervalles temporels à utiliser. La valeur par défaut est 200. Vous pouvez l’augmenter ou la diminuer en fonction de la qualité des générations. L’argument est pris en charge uniquement pour l’architecture du modèle Super-résolution avec backbone SR3.
padding—Le nombre de pixels en bordure des tuiles d’image à partir duquel les prévisions sont fusionnées pour les tuiles adjacentes. Pour lisser la sortie tout en réduisant les artefacts, augmentez la valeur. La valeur maximale de marge de remplissage peut être égale à la moitié de la valeur de taille de tuile. L’argument est disponible pour toutes les architectures de modèle.
sampling_type—Type d’échantillonnage à utiliser. Deux types d’échantillonnage sont disponibles : ddim (modèles implicites de diffusion de débruitage) et ddpm (modèles probabilistes de diffusion de débruitage). La valeur par défaut est ddim. Elle génère des résultats comportant moins d’intervalles temporels que ddpm. L’argument est pris en charge uniquement pour l’architecture du modèle Super-résolution avec backbone SR3.
schedule—Type de planification de vitesse d’apprentissage à utiliser. Cette option permettra d’ajuster la vitesse d’apprentissage du modèle lors de son entraînement. La planification par défaut est la même que celle du modèle d’entraînement. L’argument est pris en charge uniquement pour l’architecture du modèle Super-résolution avec backbone SR3.
tile_size—Largeur et hauteur des tuiles d’image de subdivision de l’imagerie en vue de la prévision. L’argument est uniquement disponible pour l’architecture CycleGAN.
Colonnes de la table de valeurs :
Name—Nom de l’argument de la fonction.
Value—Valeur de l’argument de la fonction.
Value Table
processing_mode
Spécifie comment tous les éléments raster figurant dans un jeu de données mosaïque ou un service d’imagerie seront traités. Ce paramètre est appliqué lorsqu’un raster en entrée est un jeu de données mosaïque ou service d’imagerie.
PROCESS_AS_MOSAICKED_IMAGE—Tous les éléments raster figurant dans le jeu de données mosaïque ou le service d’imagerie seront mosaïqués ensemble, puis traités. Il s’agit de l’option par défaut.
PROCESS_ITEMS_SEPARATELY—Tous les éléments raster figurant dans le jeu de données mosaïque ou le service d’imagerie seront traités en tant qu’images séparées.
String
out_translated_folder
(Facultatif)
Dossier dans lequel les rasters en sortie sont stockés.
Ce paramètre est requis lorsque le raster en entrée est un dossier d’images ou un jeu de données mosaïque dans lequel tous les éléments doivent être traités séparément. Par défaut, il s’agit d’un dossier du dossier de projet.
Folder
out_featureclass
(Facultatif)
Classe d’entités dans laquelle les rasters en sortie sont stockés.
Ce paramètre est requis si le raster en entrée est une classe d’entités d’images.
Si la classe d’entités existe déjà, les résultats sont ajoutés à la classe d’entités existante.
Feature Class
overwrite_attachments
(Facultatif)
Indique si les images jointes existantes sont remplacées.
Ce paramètre est valide uniquement lorsque la valeur du paramètre in_raster est une classe d’entités avec des images en pièces jointes.
OVERWRITE—La classe d’entités existante est remplacée par les nouvelles pièces jointes mises à jour.
NO_OVERWRITE—Les images jointes existantes ne sont pas remplacées et les nouvelles images jointes sont stockées dans une nouvelle classe d’entités. Lorsque cette option est spécifiée, le paramètre out_featureclass doit être renseigné. Il s’agit de l’option par défaut.
Boolean
use_pixelspace
(Facultatif)
Indique si l’inférence est exécutée sur les images de l’espace pixel. L’espace pixel est l’espace de coordonnées x,y défini par le nombre de pixels dans la zone d’affichage, comme 1024 x 768.
PIXELSPACE—L’inférence est exécutée dans l’espace pixel et la sortie est retransformée dans l’espace cartographique. Cette option est utile si vous utilisez une imagerie oblique ou une imagerie à l’échelle des rues, où les entités sont susceptibles d’être déformées dans l’espace cartographique.
NO_PIXELSPACE—L’inférence est exécutée dans l’espace cartographique. Il s’agit de l’option par défaut.
Boolean
Valeur de retour
Nom
Explication
Type de données
out_raster
Nom du jeu de données mosaïque ou raster contenant le résultat.
Raster
Exemple de code
Exemple 1 d’utilisation de la fonction TranslatePixelsUsingDeepLearning (fenêtre Python)
Cet exemple génère une image convertie à l’aide d’un modèle de Deep Learning.