Skip to main content

ディープ ラーニングを使用したオブジェクトの分類 (Image Analyst ツール)

サマリー

入力ラスターとオプションのフィーチャクラスに対してトレーニング済みディープ ラーニング モデルを実行し、各入力オブジェクトまたはフィーチャにクラス ラベルまたはカテゴリー ラベルを割り当てたフィーチャクラスまたはテーブルを作成します。

このツールは、トレーニング済みのモデル情報を含んでいるモデル定義ファイルを必要とします。 モデルは、ディープ ラーニング モデルのトレーニング ツールを使用するか、PyTorch などのサードパーティーのトレーニング ソフトウェアによって、トレーニングできます。 モデル定義ファイルには、Esri モデル定義 JSON ファイル (.emd) またはディープ ラーニング モデル パッケージを使用できます。モデル定義ファイルは、各オブジェクトを処理するために呼び出される Python ラスター関数のパス、およびトレーニング済みのバイナリー ディープ ラーニング モデル ファイルのパスを含む必要があります。

使用法

  • ArcGIS Pro Python 環境に適切なディープ ラーニング フレームワークの Python API をインストールする必要があります。インストールしない場合、Esri モデル定義ファイルをツールに追加するとエラーが発生します。 Esri モデル定義ファイルを作成したユーザーが、適切なフレームワーク情報を提供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。

  • このツールは、サードパーティーのディープ ラーニング Python API を呼び出し、指定された Python ラスター関数を使用して、各オブジェクトを処理します。

  • Esri Python ラスター関数の GitHub ページ にこのツールの使用例が記載されています。 また、次の例と手順に従って、カスタム Python モジュールを記述することもできます。

  • モデル定義 パラメーター値には、Esri モデル定義の JSON ファイル (.emd)、JSON 文字列、またはディープ ラーニング モデル パッケージ (.dlpk) を指定することができます。 JSON 文字列は、このツールがサーバーで使用されている場合に便利で、.emd ファイルをアップロードする代わりに JSON 文字列を貼り付けることができます。 .dlpk ファイルはローカルに格納する必要があります。

  • CropSizeFixed プロパティは、各オブジェクト周辺のラスター タイルのトリミング モードを定義します。 値が 1 の場合、.emd ファイル内の ImageHeight と ImageWidth プロパティで定義される固定のラスター タイルが使用されることを意味します。 オブジェクトは、固定のタイル サイズ内の中心に配置されます。 値が 0 の場合は可変タイル サイズが使用され、ラスター タイルはオブジェクトを囲む最小の境界四角形でトリミングされます。

  • BlackenAroundFeature プロパティは、各オブジェクト外のピクセルをマスクするかどうかを指定します。 値が 0 の場合、オブジェクト外のピクセルはマスクされません。 値が 1 の場合、オブジェクト外のピクセルはマスクされます。

  • このツールは、マップ空間内またはピクセル空間内の入力画像を処理できます。 マップ空間内の画像は、マップベースの座標系です。 ピクセル空間内の画像はロウとカラムに基づき、回転も変形もされません。 ディープ ラーニング用のトレーニング データをエクスポート ツールでトレーニング データを生成するときに、参照系 パラメーターを使用して参照系を指定できます。 モデルがサードパーティーのトレーニング ソフトウェアでトレーニングされている場合、MAP_SPACE または PIXEL_SPACE に設定できる ImageSpaceUsed パラメーターを使用して、.emd ファイルで参照系を指定する必要があります。

  • 入力ラスターには、画像が添付された単一のラスター、複数のラスター、またはフィーチャクラスを使用できます。 添付ファイルの詳細については、添付ファイルの追加または削除 をご参照ください。

  • バッチ サイズを増やすと、ツールのパフォーマンスが向上します。ただし、バッチ サイズの増加に伴って、使用されるメモリー量も多くなります。 メモリー不足エラーが発生した場合は、より小さなバッチ サイズを使用してください。 batch_size 値を調整するには、引数 パラメーターを使用します。

  • バッチ サイズは、1、4、9、16、25、64 などの平方数です。 入力値が完全な平方数でない場合は、最も大きな平方数が使用されます。 たとえば、6 という値を指定した場合は、バッチ サイズが 4 に設定されます。

  • 一部のディープ ラーニング モデルは、Grad-CAM (Gradient-weighted Class Activation Mapping) をサポートしています。 Grad-CAM メソッドは、モデル内の最新の有効化マップに関して最も主要なロジットの勾配を指定します。 この方法は、画像の分類を決定するモデルで重要な役割を果たした、画像内で影響力が最も大きいピクセルをハイライト表示します。

    モデル定義で Grad-CAM のサポートが true に設定されている場合、出力フィーチャクラスの各フィーチャに、影響力のあるピクセルを表示する添付ファイルが含まれます。

  • このツールは、複数の GPU をサポートおよび使用します (使用可能な場合)。 特定の GPU を使用するには、[GPU ID] 環境を指定します。 GPU ID が設定されていない場合、ツールは使用可能なすべての GPU を使用します。 これがデフォルトです。

  • プロセッサー タイプ 環境が CPU に設定され、並列処理ファクター 環境が指定されていない場合、このツールでは 並列処理ファクター の値として 50% が使用されます。

パラメーター

ラベル 説明 データ タイプ

入力ラスター

オブジェクトの分類に使用される入力画像。

この入力には、モザイク データセット、イメージ サービス、画像のフォルダー、または画像の添付ファイルを含むフィーチャクラス内の単一のラスターまたは複数のラスターを指定することができます。

Raster Dataset; Raster Layer; Mosaic Layer; Image Service; Map Server; Map Server Layer; Internet Tiled Layer; Folder; Feature Layer; Feature Class

出力分類済みオブジェクト フィーチャクラス

入力フィーチャクラスのオブジェクトまたはフィーチャを囲むジオメトリーと、分類ラベルを格納するフィールドを含む出力フィーチャクラス。

フィーチャクラスがすでに存在する場合、既存のフィーチャクラスに結果が追加されます。

Feature Class

モデル定義

モデル定義 パラメーター値には、Esri モデル定義の JSON ファイル (.emd)、JSON 文字列、またはディープ ラーニング モデル パッケージ (.dlpk) を指定することができます。 JSON 文字列は、このツールがサーバーで使用されている場合に便利で、.emd ファイルをアップロードする代わりに JSON 文字列を貼り付けることができます。 .dlpk ファイルはローカルに格納する必要があります。

これには、ディープ ラーニング バイナリー モデル ファイルへのパス、使用される Python ラスター関数へのパス、および他のパラメーター (望ましいタイル サイズやゼロ詰めなど) が含まれます。

File; String

入力フィーチャ

(オプション)

分類されラベル付けされる各オブジェクトまたはフィーチャの位置を識別するポイント、ライン、またはポリゴン入力フィーチャクラス。 入力フィーチャクラスの各行は、単一のオブジェクトまたはフィーチャを表します。

入力フィーチャクラスが指定されない場合、各入力画像に分類対象の単一オブジェクトが含まれていると判断します。 入力画像が空間参照を使用する場合、このツールからの出力はフィーチャクラスとなり、各画像の範囲が各ラベル付きフィーチャクラスの境界ジオメトリーとして使用されます。 入力画像が空間参照されていない場合、このツールからの出力は、各画像の画像 ID 値とクラス ラベルを含むテーブルとなります。

Feature Class; Feature Layer

クラス ラベル フィールド

(オプション)

出力フィーチャクラス内のクラスまたはカテゴリー ラベルを含むフィールドの名前。

フィールド名を指定しないと、出力フィーチャクラスに ClassLabel フィールドが生成されます。

String

処理モード

(オプション)

モザイク データセットまたはイメージ サービス内のすべてのラスター アイテムを処理する方法を指定します。 入力ラスターがモザイク データセットまたはイメージ サービスである場合、このパラメーターが適用されます。

  • モザイク画像として処理—モザイク データセットまたはイメージ サービス内のすべてのラスター アイテムがモザイク化され、処理されます。 これがデフォルトです。

  • すべてのラスター アイテムを個別に処理—モザイク データセットまたはイメージ サービス内のすべてのラスター アイテムが、個別の画像として処理されます。

String

引数

(オプション)

モデル定義 パラメーターからの情報が、このパラメーターの設定に使用されます。 これらの引数は、モデル アークテクチャによって変わります。 ArcGIS でトレーニングされるモデルのサポート対象モデル引数は次のとおりです。 ArcGIS の事前トレーニング済みモデルとカスタム ディープ ラーニング モデルは、別途ツールがサポートする引数を持つ場合があります。

値テーブル列:

  • Name—The name of the function argument.

  • Value—The value of the function argument.

    • batch size—The number of image tiles processed in each step of the model inference. This depends on the memory of your graphics card. The argument is available for all model architectures.

    • time test augmentation—Performs test time augmentation while predicting. If true, predictions of flipped and rotated variants of the input image will be merged into the final output. The argument is available for all model architectures.

    • score threshold—The predictions above this confidence score are included in the result. The allowed values range from 0 to 1.0. The argument is available for all model architectures. This argument tends to be used in models trained prior to ArcGIS Pro 3.5.

    • threshold—The predictions above this confidence score are included in the result. The allowed values range from 0 to 1.0. The argument is available for all model architectures. This argument tends to be used in models trained in ArcGIS Pro 3.5 and later.

Value Table

キャプション

(オプション)

出力フィーチャクラス内のテキストまたはキャプションを含むフィールドの名前。 このパラメーターは、画像キャプショナー モデルが使用される場合のみサポートされます。

フィールド名を指定しないと、出力フィーチャクラスに Caption フィールドが生成されます。

注意:

このパラメーターは ジオプロセシング ウィンドウには表示されません。 デフォルトのフィールド名を変更するには、クラス ラベル フィールド パラメーターを使用します。

String

環境

出力座標系, 地理座標系変換, 範囲, セル サイズ, プロセッサー タイプ, GPU ID, 並列処理ファクター

ライセンス情報

  • Basic: Image Analyst が必要
  • Standard: Image Analyst が必要
  • Advanced: Image Analyst が必要