Skip to main content

点群オブジェクト検出モデルのトレーニングを実行 (3D Analyst ツール)

サマリー

ディープ ラーニングを使用して点群のオブジェクト検出モデルをトレーニングします。

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。

  • 非接続環境でモデルをトレーニングする場合は、非接続環境のための追加インストール で詳細をご確認ください。

  • データ、時間、計算リソースに制限がある場合は特に、トレーニング プロセスで事前トレーニング済みモデルを使用すると便利です。 事前トレーニング済みモデルを使用することで、広範囲でのトレーニングの必要性が減り、信頼性の高い出発点をもとにして、役立つモデルを速やかに作成することができます。 事前トレーニング済みモデルを使用するには、新しいトレーニング データと事前トレーニング済みモデルの間に互換性がなければなりません。 つまり、新しいトレーニング データの属性とオブジェクト コードが、事前トレーニング済みモデルの作成に使用されたトレーニング データと同じでなければなりません。 トレーニング データのオブジェクト コードが事前トレーニング済みモデルのコードと一致しない場合、トレーニング データのオブジェクト コードをこれに合わせて再マッピングする必要があります。

  • 点群オブジェクト検出モデルのトレーニングには CUDA 対応の NVIDIA グラフィックス カードのみを使用できます。 プロセッサー タイプ 環境が CUDA 対応のグラフィックス カードを搭載したコンピューターに設定されていない場合、最適なハードウェアのカードがトレーニングに使用されます。 それ以外の場合、GPU ID 環境設定で特定のグラフィックス カードを指定することができます。

  • トレーニング プロセス中に次の指標が報告されます:

    • Epoch—結果が関連するエポックの数

    • Training Loss—トレーニング データで平均化されたエントロピー損失関数の結果

    • Validation Loss—検証データのエポックでトレーニングされたモデルを適用する際に決定されたエントロピー損失関数の結果

    • Average Precision—検証データのすべてのポイントのなかで、エポックでトレーニングされたモデルによって適切に分類された (真陽性) 検証データのポイントの比率

    トレーニング損失が低いものの、検証損失が高いモデルはトレーニング データと過剰に適合すると見なされます。この場合、検証データで適切に機能しないモデルが生成されるトレーニング データのアーティファクトからパターンが検出されます。 トレーニング損失と検証損失が高いモデルはトレーニング データとの適合性が不足していると見なされます。この場合、使用可能なモデルを生成するのに十分なパターンが効率的に学習されません。

    点群トレーニング結果の評価の詳細

  • エポックの終了時に作成されるモデルであるチェックポイント モデルを格納するフォルダーが作成されます。 チェックポイント フォルダー名は、モデルと同じ名前で始まり .checkpoints で終わります。 これは 出力モデルの場所 パラメーター値で指定されている場所に保存されます。

パラメーター

ラベル 説明 データ タイプ

入力トレーニング データ

モデルのトレーニングに使用される点群オブジェクト検出トレーニング データ (*.pcotd ファイル)。

File

出力モデルの場所

ディープ ラーニング モデルを含む新しいディレクトリーを格納する既存のフォルダー。

Folder

出力モデル名

出力 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)、それらを格納するために作成されるディレクトリーの名前。

String

事前トレーニング済みモデル定義ファイル

(オプション)

微調整される事前トレーニング済みオブジェクト検出モデル。 事前トレーニング済みモデルを指定する場合、そのモデルを生成したトレーニング データで使用したのと同じ属性と最大ポイント数を入力トレーニング データで指定する必要があります。

File

アーキテクチャー

(オプション)

モデルのトレーニングに使用するアーキテクチャーを指定します。

  • Sparsely Embedded Convolutional Detection—The Sparsely Embedded Convolutional Detection (SECOND) architecture will be used. This is the default.

  • Point Transfomer V3—The Point Transformer V3 architecture will be used.

String

属性選択

(オプション)

モデルのトレーニング時に分類コードとともに使用されるポイント属性を指定します。 点群トレーニング データに存在する属性のみを使用できます。 デフォルトでは、その他の属性は含まれません。

  • Intensity—The measure of the magnitude of the lidar pulse return will be used.

  • Return Number—The ordinal position of the point obtained from a given lidar pulse will be used.

  • Number of Returns—The total number of lidar returns that were identified as points from the pulse associated with a given point will be used.

  • Red Band—The red band's value from a point cloud with color information will be used.

  • Green Band—The green band's value from a point cloud with color information will be used.

  • Blue Band—The blue band's value from a point cloud with color information will be used.

  • Near Infrared Band—The near infrared band's value from a point cloud with near infrared information will be used.

  • Relative Height—The relative height of each point in relation to a reference surface, which would typically be a bare earth DEM, will be used.

String

ブロックごとの最小ポイント数

(オプション)

モデルのトレーニングに使用するために、所定のブロックに存在するべき最小ポイント数。 デフォルトは 0 です。

Long

オブジェクト コードの再マッピング

(オプション)

ディープ ラーニング モデルのトレーニング前にオブジェクト コードを新しい値にマッピングし直す方法を定義します。

値テーブル列:

  • Current Code—The object code value in the training data.

  • Remapped Code—The object code value that the existing code will be changed to.

Value Table

対象オブジェクト コード

(オプション)

トレーニング データ内のオブジェクトをフィルターするために使用されるオブジェクト コード。 オブジェクト コードを指定した場合、含まれていないオブジェクトは無視されます。

Long

オブジェクトが含まれているブロックのみをトレーニング

(オプション)

モデルのトレーニングに、オブジェクトが含まれているブロックのみを使用するか、オブジェクトが含まれてないブロックを含む、すべてのブロックを使用するかを指定します。

  • オン—The model will be trained using only blocks that contain objects. The data used for validation will not be modified.

  • オフ—The model will be trained using all blocks, including those that do not contain objects. This is the default.

Boolean

オブジェクトの説明

(オプション)

トレーニング データの各オブジェクト コードの説明。

値テーブル列:

  • Object Code—The object code value that was learned by the model.

  • Description—The object described by the class code.

Value Table

モデル選択基準

(オプション)

最終モデルの決定に使用される統計的基礎を指定します。

  • Validation Loss—The model that achieves the lowest result when the entropy loss function is applied to the validation data will be used.

  • Average Precision—The model that achieves the highest ratio of points in the validation data that were correctly classified by the model trained in the epoch (true positives) over all the points in the validation data will be used. This is the default.

String

エポックの最大数

(オプション)

ニューラル ネットワークを通って前後に 1 回渡される各データ ブロックの最大数。 デフォルトは [25] です。

Long

学習率戦略

(オプション)

トレーニング中に学習率を変更する方法を指定します。

  • One Cycle Learning Rate—The learning rate will be cycled throughout each epoch using Fast.AI's implementation of the 1cycle technique for training neural networks to help improve the training of a convolutional neural network. This is the default.

  • Fixed Learning Rate—The same learning rate will be used throughout the training process.

String

学習率

(オプション)

既存の情報が新たな情報で上書きされる割合。 値を指定しないと、トレーニング プロセス中に最適な学習率が学習曲線から抽出されます。 これがデフォルトです。

Double

バッチ サイズ

(オプション)

任意の時点で処理されるトレーニング データ ブロックの数。 デフォルトは 2 です。

Long

モデルの改善がなくなった時点でトレーニングを停止

(オプション)

モデル選択基準 パラメーター値に指定したメトリックが、5 回のエポックで連続して改善されない場合にモデルのトレーニングを停止するかどうかを指定します。

  • オン—The model training will stop when the model is no longer improving.

  • オフ—The model training will continue until the maximum number of epochs has been reached. This is the default.

Boolean

アーキテクチャー設定

(オプション)

トレーニング結果を改良するために変更可能なアーキテクチャー設定。

値テーブル列:

  • Option—The architecture-specific options that can be modified.

    • Voxel Width—The x- and y-dimensions of the voxel used during training. The corresponding value is in linear units of meters and can be expressed as a double value.

    • Voxel Height—The z-dimension of the voxel used during training. The corresponding value is in linear units of meters and can be expressed as a double value.

    • Voxel Point Limit—The number of points in a given voxel. The corresponding value should be a positive integer. When no value is provided, this limit is calculated during the training process based on the block size and block point limit of the training data.

    • Maximum Training Voxels—The maximum number of voxels that can be used in the training data. The corresponding value should be a positive integer. When no value is provided, this limit is calculated during training.

    • Maximum Validation Voxels—The maximum number of voxels that can be used in the validation data. The corresponding value should be a positive integer. When no value is provided, this limit is calculated during training.

  • Value—The value that corresponds with the option being modified.

Value Table

派生した出力

ラベル 説明 データ タイプ

出力モデル

生成される出力オブジェクト検出モデル。

File

出力エポック統計情報

トレーニング プロセス中に取得されたエポック統計情報が含まれている出力 ASCII テーブル。

Text File

環境

GPU ID, プロセッサー タイプ

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