ディープラーニングを使用した変化の検出

Image Server で利用可

ディープラーニングを使用した変化の検出ツールは、トレーニング済みのディープラーニングモデルを使用して、2 つのラスターレイヤー間の変化を検出します。

出力はホストイメージレイヤーです。

例

2 つのスペクトル的に類似したイメージレイヤーと、変化したエリアを示すディープラーニングモデルを指定すると、2 つのイメージレイヤー間で変化したエリアを検出します。

ディープラーニングを使用したオブジェクトの検出には、入力レイヤー、モデルの設定、結果レイヤーの構成が含まれています。

入力レイヤー グループには次のパラメーターがあります。

変化前の入力ラスター は、変化前のイメージレイヤーを表すイメージレイヤーです。イメージレイヤーは、ピクセルの分類に使用するディープラーニングモデルの要件に基づいて選択されます。
変化後の入力ラスター は、変化後のイメージレイヤーを表すイメージレイヤーです。イメージレイヤーは、ピクセルの分類に使用するディープラーニングモデルの要件に基づいて選択されます。

モデル設定 グループには次のパラメーターがあります。

変化の検出のモデル は、変化の検出に使用するディープラーニングモデルです。ディープラーニングモデルをツールで選択するには、ディープラーニングパッケージ (DLPK) アイテムとして公開する必要があります。 ArcGIS Online で一般公開されている独自のモデルを選択することも、ArcGIS Living Atlas of the World からモデルを選択することもできます。

注意:

エンタープライズ管理者によって ArcGIS Living Atlas コンテンツへのアクセスが有効化されたら、ArcGIS Living Atlas of the World のディープラーニングモデルをアイテムとしてユーザーのエンタープライズに追加できます。管理者が各モデルを新しいアイテムとしてユーザーのエンタープライズに追加すると、それらのモデルがツールで利用可能になります。
モデル引数 は、Python ラスター関数クラスで定義されている関数の引数を指定します。実験や調整のための追加のディープラーニングパラメーターおよび引数 (感度を調整するための信頼性の閾値など) がリストされます。引数の名前は、Python モジュールから入力されます。

結果レイヤー グループには次のパラメーターがあります。

出力名 は、作成および表示されるレイヤーの名前を指定します。名前は、一意でなければなりません。組織内に同じ名前のレイヤーがすでに存在する場合、ツールは失敗し、別の名前を指定するよう求められます。
フォルダーに保存 は、結果を保存する マイコンテンツ 内のフォルダーの名前を指定します。

解析環境設定は、ツールの結果に影響する追加パラメーターです。ツールの解析環境設定には、環境設定 パラメーターグループからアクセスできます。

このツールでは次の解析環境が適用されます。

出力は、ディープラーニングモデルで定義された分類スキーマに基づく分類済み主題イメージレイヤーです。

このツールには、次のユーザータイプと構成が必要です。

詳細については、次のリソースをご参照ください: