トレーニング済みモデルを使用した点群からのオブジェクト検出 (3D Analyst ツール)

サマリー

ディープ ラーニング モデルを使用して、点群で捕捉されたオブジェクトを検出します。

図

使用法

• このトレーニングを使用するには、点群を分類するニューラル アーキテクチャーなど、複数のニューラル ネットワーク ソリューションを提供する Deep Learning Essentials をインストールする必要があります。

  ArcGIS Pro のディープ ラーニング フレームワークを使用するようにコンピューターを設定するには、ArcGIS 用のディープ ラーニング フレームワークのインストール をご参照ください。

• オブジェクト検出モデルは分類対象の入力点群を必要としません。 ただし、評価対象の点群は、モデルのトレーニングに使用される点群データとほぼ同じ特性を持っていなければなりません。 たとえば、地上の点群についてトレーニングされた、自動車を分類するオブジェクト検出モデルは、別の地上測量の点群には適していても、航空 LiDAR 測量から収集された点群では十分に機能しないことがあります。

• このモデルはさまざまなオブジェクトを識別し、その一部はオーバーラップしている場合があります。 これらの検出を調整するには、信頼度スコア閾値とオーバーラップ閾値の 2 つの主な閾値が使用されます。 信頼度スコアは 0.0 ～ 1.0 の数値であり、オブジェクトが正しく識別されている可能性がどの程度であるかを示します。 スコアが高いほど確実性が高くなり、閾値を設定することで、一定の信頼度を下回る検出を除外することができます。

  複数の類似するオブジェクトの境界四角形がオーバーラップしている場合、オーバーラップ閾値がさらに重要になります。 この測定値では共通部分に対する交差部分 (IoU) の比率が使用され、これはオーバーラップする境界四角形の交差部分の体積を共通部分の体積で割ることによって計算されます。 IoU がオーバーラップ閾値を超えるオブジェクトのうち、信頼度スコアが最も高いものだけが維持されます。 最も関連性の高い検出だけを最終出力に含めるようにするには、Non-Maximum Suppression (NMS) アルゴリズムを使用します。

• 参照サーフェス パラメーターは、入力モデルが相対高度属性を使用してトレーニングされた場合に必要です。 ラスター サーフェスは参照高さとして使用され、そこから各ポイントに対して相対高度が内挿されます。 これは、モデルがオブジェクトをより容易に区別するために使用される追加情報を提供します。 このパラメーターに提供されるラスター サーフェスは、モデルを作成したトレーニング データで使用されたラスターと同じタイプのデータを表している必要があります。 ほとんどの場合、これは地表として分類されたポイントから作成されたラスターです。 地表フィルターを適用し、LAS データセット → ラスター ツールを使用することで、LAS データセットで地表に分類されたポイントからラスター サーフェスを生成できます。 点群 → ラスター ツールを使用して、点群シーン レイヤーから地表を生成することもできます。 入力点群から取得されていないラスター サーフェスも使用できますが、ラスター内の Z 値が点群内の Z 値と適切に対応していることを確認する必要があります。

• 入力モデルが、トレーニング データから除外された特定のクラスのポイントでトレーニングされている場合、除外されるクラス コード パラメーターを使用し、このモデルによって評価されるポイント セットからこれらのポイントが除外されるようにします。 特定のモデルの目的に対して有益なコンテキストを提供しないクラスを除外することで、評価されるポイント数を減らし、モデルのトレーニングと適用の速度を向上させることができます。 たとえば、建物を表すポイントは、交通信号、電線、車両などのオブジェクトを表すポイントとは関連性はありません。 建物ポイントは、LAS の建物分類 ツールを使用して確実に分類することもできます。 モデルの作成に使用されたトレーニング データからクラス 6 (建物を表す) のポイントが除外されている場合、入力点群も建物ポイントを分類し、このツールで除外する必要があります。

パラメーター

• Dialog
• Python

ラベル	説明	データ タイプ
入力点群	オブジェクトの検出に使用される点群。	LAS Dataset Layer
入力モデル定義	使用されるオブジェクト検出モデル。 Esri モデル定義ファイル (.emd)、ディープ ラーニング パッケージ (.dlpk)、ArcGIS Online または Portal for ArcGIS から公開されているオブジェクト検出モデルを指定できます。	File; String
ターゲット オブジェクト	入力点群で識別されるオブジェクト、および検出されたオブジェクトの承認に使用される信頼度閾値とオーバーラップ閾値。 値テーブル列: Object Code—The codes that represent the objects the model was trained to identify. Confidence—The confidence threshold for object recognition operates on a scale from 0.0 to 1.0. A higher value means that fewer objects will meet the criteria for being positively identified. Setting the threshold to 1.0 requires 100 percent certainty in the object's detection, effectively making it improbable for any object to be recognized. If you want to exclude a particular object from the output, set its confidence threshold to 1.0. Overlap—The overlap threshold provides a way to select the object that will be retained when multiple overlapping objects have been identified. The overlap threshold describes the ratio between the intersection and the union of overlapping bounding boxes. When multiple objects overlap and exceed the overlap threshold, the object with the higher confidence will be retained.	Value Table
出力オブジェクト フィーチャ	バウンディング ボックスを含む出力マルチパッチ フィーチャは、入力点群から検出されたオブジェクトを囲みます。	Feature Class
バッチ サイズ (オプション)	入力点群から同時に処理されるブロックの数。 値が指定されていない場合、一度に 1 つのブロックが処理されます。	Long
処理境界	処理対象のエリアを定義するポリゴン フィーチャ (複数可)。	Feature Layer
参照サーフェス	各ポイントの相対高度の計算に使用されるラスター サーフェス。 このパラメーターは、参照高度ラスター サーフェスを使用してトレーニングされたことを示す相対高度属性が入力モデルに含まれている場合、このパラメーターは必須です。	Raster Layer
除外クラス	入力点群からのオブジェクト検出処理で除外されるポイントのクラス コード。 特定のクラス コードのポイントを除外してモデルがトレーニングされている場合、最適な結果を得るには、入力点群で同じオブジェクト クラスのポイントを識別して除外する必要があります。	Long

環境

範囲, プロセッサー タイプ, GPU ID, 出力座標系, 地理座標系変換

ライセンス情報

• Basic: 3D Analyst が必要
• Standard: 3D Analyst が必要
• Advanced: 3D Analyst が必要

関連トピック

• 点群ツールセットの概要
• ジオプロセシング ツールの検索
• 点群トレーニング データの準備
• 点群からオブジェクトを抽出
• LAS 建物マルチパッチ
• 点群から電線を抽出
• 点群からレールを抽出