TrainDeepLearningModel(in_folder, out_folder, {max_epochs}, {model_type}, {batch_size}, {arguments}, {learning_rate}, {backbone_model}, {pretrained_model}, {validation_percentage}, {stop_training}, {freeze}, {augmentation}, {augmentation_parameters}, {chip_size}, {resize_to}, {weight_init_scheme}, {monitor}, {tensorboard})
|
名前
|
説明
|
データ タイプ
|
|
in_folder
[in_folder,...]
|
モデルのトレーニングに必要な画像チップ、ラベル、統計を含むフォルダー。 これは、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 ツールから生成された出力です。
以下の条件が満たされる場合、複数の入力フォルダーを使用できます:
メタデータ形式タイプが分類タイル、ラベル付きタイル、複数ラベル付きタイル、Pascal Visual Object Class、または RCNN マスクであること。
すべてのトレーニング データのメタデータ形式が同じであること。
すべてのトレーニング データのバンド数が同じであること。
|
Folder
|
|
out_folder
|
トレーニング済みモデルが格納される出力フォルダーの場所。
|
Folder
|
|
max_epochs
(オプション)
|
モデルをトレーニングする場合の対象となるエポックの最大数。 最大エポックを 1 に設定すると、データセットがニューラル ネットワークを通って前後に 1 回渡されます。 デフォルト値は 20 です。
|
Long
|
|
model_type
(オプション)
|
ディープ ラーニング モデルのトレーニングに使用されるモデル タイプを指定します。
3DRCNET—3D-RCNet (3D Relational Convolutional Neural Network) アーキテクチャーがモデルのトレーニングに使用されます。 これは ConvNet と ViT の強度を継承しているため、高性能なハイパースペクトル画像分類になります。
BDCN_EDGEDETECTOR—双方向カスケード ネットワーク (BDCN) アーキテクチャーがモデルのトレーニングに使用されます。 BDCN Edge Detector の使用目的はピクセル分類です。 この方法は、さまざまな縮尺でのオブジェクトのエッジ検出を改善するのに便利です。
CHANGEDETECTOR—Change Detector アーキテクチャーがモデルのトレーニングに使用されます。 Change Detector の使用目的はピクセル分類です。 この方法は、2 つの時空間画像を使用するモデル オブジェクトを作成して、変化の分類済みラスターを作成します。 このモデル タイプの入力トレーニング データは、分類済みタイル メタデータ形式を使用します。
CLIMAX—ClimaX アーキテクチャーがモデルのトレーニングに使用されます。 ClimaX の使用目的はピクセル分類です。 この手法は主に天気と気候の解析に使用されます。 このモデル タイプで使用される事前データは多次元データです。
CONNECTNET—ConnectNet アーキテクチャーがモデルのトレーニングに使用されます。 ConnectNet の使用目的はピクセル分類です。 この方法は、衛星画像から道路網を抽出するのに便利です。
CYCLEGAN—CycleGAN アーキテクチャーがモデルのトレーニングに使用されます。 CycleGAN の使用目的は image-to-image の変換です。 この方法により、あるタイプから別のタイプへと画像を変換するモデル オブジェクトを作成できます。 この方法は、トレーニング対象の画像をオーバーラップする必要がない点で独特です。 このモデル タイプの入力トレーニング データは、CycleGAN メタデータ形式を使用します。
DEEPLAB—DeepLabV3 アーキテクチャーがモデルのトレーニングに使用されます。 DeepLab の使用目的はピクセル分類です。
DEEPSORT—Deep Sort アーキテクチャーがモデルのトレーニングに使用されます。 Deep Sort の使用目的はビデオ内のオブジェクト検出です。 このモデルは、ビデオのフレームを使用してトレーニングされ、各フレーム内のオブジェクトのクラスと境界四角形を検出します。 このモデル タイプの入力トレーニング データは、Imagenet メタデータ形式を使用します。 Siam Mask はオブジェクトを追跡するときに便利です。一方、Deep Sort は複数のオブジェクトを追跡するモデルをトレーニングするのに便利です。
DETREG—DETReg アーキテクチャーがモデルのトレーニングに使用されます。 DETReg の使用目的はオブジェクト検出です。 このモデル タイプの入力トレーニング データは、Pascal Visual Object Classes を使用します。 このモデル タイプは GPU を集中的に使用します。適切に実行するには、少なくとも 16 GB のメモリーを備えた専用の GPU が必要です。
FASTERRCNN—FasterRCNN アーキテクチャーがモデルのトレーニングに使用されます。 FasterRCNN の使用目的はオブジェクト検出です。
FEATURE_CLASSIFIER—フィーチャ分類器アーキテクチャーがモデルのトレーニングに使用されます。 フィーチャ分類器がオブジェクトまたは画像の分類に使用されます。
HED_EDGEDETECTOR—HED (Holistically-Nested Edge Detection) アーキテクチャーがモデルのトレーニングに使用されます。 HED Edge Detector の使用目的はピクセル分類です。 この方法は、エッジとオブジェクト境界の検出に便利です。
IMAGECAPTIONER—Image Captioner アーキテクチャーがモデルのトレーニングに使用されます。 Image Captioner の使用目的は画像テキスト変換です。 この方法は、画像のテキスト キャプションを生成するモデルを作成します。
MASKRCNN—MaskRCNN アーキテクチャーがモデルのトレーニングに使用されます。 MaskRCNN の使用目的はオブジェクト検出です。 このアプローチは、インスタンス セグメンテーション (つまり、画像内のオブジェクトの正確な描写) に使用されます。 このモデル タイプを使用して、建物フットプリントを検出することができます。 トレーニング データを入力データにする場合は、MaskRCNN メタ形式を使用します。 入力トレーニング データのクラス値は、1 で始める必要があります。 このモデル タイプは、CUDA 対応 GPU を使用する場合にのみトレーニングできます。
MAXDEEPLAB—MaX-DeepLab アーキテクチャーがモデルのトレーニングに使用されます。 MaX-DeepLab の使用目的はパノプティック セグメンテーションです。 この方法により、画像とフィーチャを生成するモデル オブジェクトを作成できます。 このモデル タイプの入力トレーニング データは、パノプティック セグメンテーション メタデータ形式を使用します。
MMDETECTION—MMDetection アーキテクチャーがモデルのトレーニングに使用されます。 MMDetection の使用目的はオブジェクト検出です。 サポートされているメタデータ形式は Pascal Visual Object Class の四角形と KITTI の四角形です。
MMSEGMENTATION—MMSegmentation アーキテクチャーがモデルのトレーニングに使用されます。 MMSegmentation の使用目的はピクセル分類です。 サポートされているメタデータ形式は分類済みタイルです。
MULTITASK_ROADEXTRACTOR—Multi Task Road Extractor アーキテクチャーがモデルのトレーニングに使用されます。 Multi Task Road Extractor の使用目的はピクセル分類です。 この方法は、衛星画像から道路網を抽出するのに便利です。
PIX2PIX—Pix2Pix アーキテクチャーがモデルのトレーニングに使用されます。 Pix2Pix の使用目的は image-to-image の変換です。 この方法により、あるタイプから別のタイプへと画像を変換するモデル オブジェクトを作成できます。 このモデル タイプの入力トレーニング データは、エクスポート タイル メタデータ形式を使用します。
PIX2PIXHD—Pix2PixHD アーキテクチャーがモデルのトレーニングに使用されます。 Pix2PixHD の使用目的は画像対画像変換です。 この方法により、あるタイプから別のタイプへと画像を変換するモデル オブジェクトを作成できます。 このモデル タイプの入力トレーニング データは、エクスポート タイル メタデータ形式を使用します。
PSETAE—Pixel-Set Encoders and Temporal Self-Attentionn (PSETAE) アーキテクチャーが時系列分類用モデルのトレーニングに使用されます。 PSETAE の使用目的はピクセル分類です。 このモデル タイプで使用される事前データは多次元データです。
PSPNET—PSPNET (ピラミッド型解析ネットワーク) アーキテクチャーがモデルのトレーニングに使用されます。 PSPNET の使用目的はピクセル分類です。
RETINANET—RetinaNet アーキテクチャーがモデルのトレーニングに使用されます。 RetinaNet の使用目的はオブジェクト検出です。 このモデル タイプの入力トレーニング データは、Pascal Visual Object Classes メタデータ形式を使用します。
RTDETRV2—改善された Real-Time DEtection TRansformer (RTDetrV2) アーキテクチャーがモデルのトレーニングに使用されます。 RTDetrV2 は、前のリアルタイム検出器の RT-DETR を基に構築されています。 RTDetrV2 の使用目的はオブジェクト検出です。 このモデル タイプの入力トレーニング データは、Pascal Visual Object Classes および KITTI の四角形メタデータ形式を使用します。
SAMLORA—Low Rank Adaption (LoRA) による Segment Anything Model (SAM) は、モデルのトレーニングに使用されます。 このモデル タイプは、SAM を基礎モデルとして使用し、比較的低い演算要件と小さなデータセットの特定のタスクに合わせて微調整します。
SIAMMASK—Siam Mask アーキテクチャーがモデルのトレーニングに使用されます。 Siam Mask の使用目的はビデオ内のオブジェクト検出です。 このモデルは、ビデオのフレームを使用してトレーニングされ、各フレーム内のオブジェクトのクラスと境界四角形を検出します。 このモデル タイプの入力トレーニング データは、MaskRCNN メタデータ形式を使用します。
SSD—SSD (シングル ショット検出器) アーキテクチャーがモデルのトレーニングに使用されます。 SSD の使用目的はオブジェクト検出です。 このモデル タイプの入力トレーニング データは、Pascal Visual Object Classes メタデータ形式を使用します。
SUPERRESOLUTION—Super-resolution アーキテクチャーがモデルのトレーニングに使用されます。 Super-resolution の使用目的は画像対画像変換です。 この方法により、解像度を高め、画像の質を向上させるモデル オブジェクトが作成されます。 このモデル タイプの入力トレーニング データは、エクスポート タイル メタデータ形式を使用します。
UNET—U-Net アーキテクチャーがモデルのトレーニングに使用されます。 U-Net の使用目的はピクセル分類です。
YOLOV3—YOLOv3 アーキテクチャーがモデルのトレーニングに使用されます。 YOLOv3 の使用目的はオブジェクト検出です。
|
String
|
|
batch_size
(オプション)
|
1 回のトレーニングで処理されるトレーニング サンプルの数。
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。
設定されたバッチ サイズに対して GPU メモリーが足りない場合、ツールが最適なバッチ サイズを計算して使用するよう試みます。 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。
|
Long
|
|
arguments
[arguments,...]
(オプション)
|
model_type パラメーターの情報は、このパラメーターのデフォルト値を設定するために使用されます。 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 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。
各モデル タイプで使用できる引数の詳細については、ディープ ラーニング引数 をご参照ください。
値テーブル列:
|
Value Table
|
|
learning_rate
(オプション)
|
学習率では、トレーニング中にモデルに対して加える調整の尺度を指定します。 値が指定されていない場合、一定範囲の値をテストして、モデルの精度が最も早く改善する値を選択することで、理想的な学習率が自動的に計算されます。
|
Double
|
|
backbone_model
(オプション)
|
新しいモデルをトレーニングするためのアーキテクチャーとして使用される構成済みのニューラル ネットワークを指定します。 この手法は転移学習と呼ばれています。
また、たとえば timm:resnet31、timm:inception_v4、timm:efficientnet_b3 などのように timm を接頭辞として使用することで、PyTorch Image Models (timm) でサポートされている畳み込みニューラル ネットワークを指定できます。
1.40625deg—このバックボーンは、各グリッド セルの解像度が 1.40625 度 x 1.40625 度の面積をカバーする画像でトレーニングされました。 これは、天気と気候の予測に使用されます。 高解像度の設定であるため、より精度の高い出力が可能ですが、要求される計算能力が高くなります。
5.625deg—このバックボーンは、各グリッド セルの解像度が 5.625 度 x 5.625 度の面積をカバーする画像でトレーニングされました。 これは、天気と気候の予測に使用されます。 低解像度の設定と見なされ、計算能力が低くて済みます。
CLAY_LARGE—Clay 構成済みバックボーンは ViT (Vision Transformer) アーキテクチャーの Large バリアント (3 億個のパラメーター) とダイナミック パッチ埋め込みレイヤーに基づいています。 波長情報を使用して加重を動的に生成します。 自己教師あり学習 (SSL) を使用して、Sentinel-2、Landsat、Sentinel-1 SAR、LINZ、NAIP および MODIS をはじめとする各種衛星センサーによる大規模なリモート センシング データで事前にトレーニングされています。
DARKNET53—事前構成済みモデルは、Imagenet データセット上でトレーニングされる畳み込みニューラル ネットワークになります。含まれる画像数は 100 万を超え、深さは 53 層です。
DENSENET121—事前構成済みモデルは、Imagenet データセット上でトレーニングされる高密度のネットワークになります。含まれる画像数は 100 万を超え、深さは 121 層です。 加算を使用してレイヤーを結合する ResNET とは異なり、DenseNet は連結を使用してレイヤーを結合します。
DENSENET161—事前構成済みモデルは、Imagenet データセット上でトレーニングされる高密度のネットワークになります。含まれる画像数は 100 万を超え、深さは 161 層です。 加算を使用してレイヤーを結合する ResNET とは異なり、DenseNet は連結を使用してレイヤーを結合します。
DENSENET169—事前構成済みモデルは、Imagenet データセット上でトレーニングされる高密度のネットワークになります。含まれる画像数は 100 万を超え、深さは 169 層です。 加算を使用してレイヤーを結合する ResNET とは異なり、DenseNet は連結を使用してレイヤーを結合します。
DENSENET201—事前構成済みモデルは、Imagenet データセット上でトレーニングされる高密度のネットワークになります。含まれる画像数は 100 万を超え、深さは 201 層です。 加算を使用してレイヤーを結合する ResNET とは異なり、DenseNet は連結を使用してレイヤーを結合します。
DOFA_BASE—この DOFA (Dynamic One-For-All) 構成済みバックボーンは ViT (Vision Transformer) アーキテクチャーの Base バリアント (9 千万個のパラメーター) とダイナミック パッチ埋め込みレイヤーに基づいています。 波長情報を使用して加重を動的に生成します。 DOFA は RGB データでトレーニングされた標準バックボーンとは異なり、自己教師あり学習 (SSL) を使用して、Sentinel-1、Sentinel-2、NAIP、ハイパースペクトルをはじめとする複数センサーによる大規模なリモート センシング データで事前にトレーニングされています。
DOFA_LARGE—この DOFA (Dynamic One-For-All) 構成済みバックボーンは ViT (Vision Transformer) アーキテクチャーの Large バリアント (3 億個のパラメーター) とダイナミック パッチ埋め込みレイヤーに基づいています。 波長情報を使用して加重を動的に生成します。 DOFA は RGB データでトレーニングされた標準バックボーンとは異なり、自己教師あり学習 (SSL) を使用して、Sentinel-1、Sentinel-2、NAIP、ハイパースペクトルをはじめとする複数センサーによる大規模なリモート センシング データで事前にトレーニングされています。
MOBILENET_V2—事前構成済みモデルは、Imagenet データベースでトレーニングされます。深さは 54 層で、メモリーの使用量が少ないのでエッジ デバイス コンピューティングに適しています。
REID_V1—事前構成済みモデルは、Imagenet データセット上でトレーニングされる畳み込みニューラル ネットワークであり、オブジェクトの追跡に使用されます。
REID_V2—事前構成済みモデルは、Imagenet データセット上でトレーニングされる畳み込みニューラル ネットワークであり、オブジェクトの追跡に使用されます。
RESNET18—事前構成済みモデルは、Imagenet データセット上でトレーニングされる残差ネットワークになります。含まれる画像数は 100 万を超え、深さは 18 層です。
RESNET34—事前構成済みモデルは、Imagenet データセット上でトレーニングされる残差ネットワークになります。含まれる画像数は 100 万を超え、深さは 34 層です。 これがデフォルトです。
RESNET50—事前構成済みモデルは、Imagenet データセット上でトレーニングされる残差ネットワークになります。含まれる画像数は 100 万を超え、深さは 50 層です。
RESNET101—事前構成済みモデルは、Imagenet データセット上でトレーニングされる残差ネットワークになります。含まれる画像数は 100 万を超え、深さは 101 層です。
RESNET152—事前構成済みモデルは、Imagenet データセット上でトレーニングされる残差ネットワークになります。含まれる画像数は 100 万を超え、深さは 152 層です。
RESNEXT50—事前構成済みモデルは、Imagenet データセット上でトレーニングされる畳み込みニューラル ネットワークであり、深さは 50 層です。 これは同質のニューラル ネットワークであり、従来の ResNet により求められるハイパーパラメーターの数が削減されます。
RESNEXT50_32X4D—この事前構成済みモデルは、Imagenet データセット上でトレーニングされる畳み込みニューラル ネットワークであり、深さは 50 層です。32 個のグループの基数があり、各グループに 4 チャネルのボトルネック幅があります。 これは同質のニューラル ネットワークであり、従来の ResNet により求められるハイパーパラメーターの数が削減されます。 これは ResNeXt-50 より精度が高くなる傾向がありますが、より多くの処理能力を必要とします。
SR3—事前構成済みモデルは、Super Resolution via Repeated Refinement (SR3) モデルを使用します。 SR3 は、ノイズ除去拡散確率論的モデルを条件付き画像生成に適応させ、確率論的ノイズ除去プロセスを通じて超解像度を実行します。 詳細については、arXiv サイトのImage Super-Resolution via Iterative Refinement をご参照ください。
SR3_UVIT—このバックボーン モデルは、画像生成および SR3 タスク内の拡散モデル用に設計された Vision Transformer (ViT) ベースのアーキテクチャーの具体的な実装を参照しています。
TERRAMIND_BASE—TerraMind 事前構成済みバックボーンは ViT-Base アーキテクチャーに基づいており、グローバル TerraMesh データセット内の数十億個のトークンで事前にトレーニングされています。 TerraMind は地球観測 (EO) のための Any-to-Any 生成マルチモーダル基盤モデルです。 ピクセルレベルのパッチと不連続トークンを処理可能な、デュアルスケール トランスフォーマーベースのエンコーダー-デコーダー アーキテクチャーが使用されています。
TERRAMIND_LARGE—TerraMind 事前構成済みバックボーンは ViT-Large アーキテクチャーに基づいており、グローバル TerraMesh データセット内の数十億個のトークンで事前にトレーニングされています。 TerraMind は地球観測 (EO) のための Any-to-Any 生成マルチモーダル基盤モデルです。 ピクセルレベルのパッチと不連続トークンを処理可能な、デュアルスケール トランスフォーマーベースのエンコーダー-デコーダー アーキテクチャーが使用されています。
VGG11—事前構成済みモデルは、Imagenet データセット上でトレーニングされる畳み込みニューラル ネットワークになります。含まれる画像数は 100 万を超え、画像を 1,000 のオブジェクト カテゴリーに分類します。深さは 11 層です。
VGG11_BN—事前構成済みモデルは VGG ネットワークに基づきますが、バッチ正規化が使用されているため、ネットワークの各層が正規化されています。 Imagenet データセットでトレーニングされ、11 層の深さがあります。
VGG13—事前構成済みモデルは、Imagenet データセット上でトレーニングされる畳み込みニューラル ネットワークになります。含まれる画像数は 100 万を超え、画像を 1,000 のオブジェクト カテゴリーに分類します。深さは 13 層です。
VGG13_BN—事前構成済みモデルは VGG ネットワークに基づきますが、バッチ正規化が使用されているため、ネットワークの各層が正規化されています。 Imagenet データセットでトレーニングされ、13 層の深さがあります。
VGG16—事前構成済みモデルは、Imagenet データセット上でトレーニングされる畳み込みニューラル ネットワークになります。含まれる画像数は 100 万を超え、画像を 1,000 のオブジェクト カテゴリーに分類します。深さは 16 層です。
VGG16_BN—事前構成済みモデルは VGG ネットワークに基づきますが、バッチ正規化が使用されているため、ネットワークの各層が正規化されています。 Imagenet データセットでトレーニングされ、16 層の深さがあります。
VGG19—事前構成済みモデルは、Imagenet データセット上でトレーニングされる畳み込みニューラル ネットワークになります。含まれる画像数は 100 万を超え、画像を 1,000 のオブジェクト カテゴリーに分類します。深さは 19 層です。
VGG19_BN—事前構成済みモデルは VGG ネットワークに基づきますが、バッチ正規化が使用されているため、ネットワークの各層が正規化されています。 Imagenet データセットでトレーニングされ、19 層の深さがあります。
VIT_B—事前構成済みの Segment Anything Model (SAM) は、基本のニューラル ネットワーク サイズで使用されます。 これが最小のサイズです。 詳細については、arXiv サイトのSegment Anything をご参照ください。
VIT_L—事前構成済みの Segment Anything Model (SAM) は、大きなニューラル ネットワーク サイズで使用されます。 詳細については、arXiv サイトのSegment Anything をご参照ください。
VIT_H—事前構成済みの Segment Anything Model (SAM) は、非常に大きなニューラル ネットワーク サイズで使用されます。 これが最大のサイズです。 詳細については、arXiv サイトのSegment Anything をご参照ください。
WIDE_RESNET50—事前構成済みモデルは、Imagenet データセット上でトレーニングされる畳み込みニューラル ネットワークであり、深さは 50 層です。 アーキテクチャーは ResNet と同じですが、より多くのチャネルがあります。
WIDE_RESNET50_2—事前構成済みモデルは、Imagenet データセット上でトレーニングされる畳み込みニューラル ネットワークであり、深さは 50 層です。 Wide ResNet-50 の 2 倍のチャネル キャパシティーがあります。
|
String
|
|
pretrained_model
(オプション)
|
新しいモデルの微調整に使用される事前トレーニング済みモデル。 入力には、Esri モデル定義ファイル (.emd) か、ディープ ラーニング パッケージ ファイル (.dlpk) を指定できます。
類似したクラスを持つ事前トレーニング済みモデルは、新しいモデルに合わせて微調整することができます。 事前トレーニング済みモデルは、新しいモデルのトレーニングに使用される同じモデル タイプおよびバックボーン モデルでトレーニングされている必要があります。 モデルの微調整は、ArcGIS を使用してトレーニング済みのモデルでのみサポートされています。
|
File
|
|
validation_percentage
(オプション)
|
モデルの検証に使用するトレーニング サンプルの割合。 デフォルト値は 10 です。
|
Double
|
|
stop_training
(オプション)
|
早期停止を実施するかどうかを指定します。
|
Boolean
|
|
freeze
(オプション)
|
事前トレーニング済みモデルのバックボーン層が固定されるかどうかを指定します。これにより、加重とバイアスが本来の設計どおりになります。
|
Boolean
|
|
augmentation
(オプション)
|
使用されるデータ拡張のタイプを指定します。
データ拡張は、既存のデータを使用してデータセットの変更済みコピーを作成することで人為的にトレーニング セットを増やす手法です。
DEFAULT—デフォルトのデータ拡張手法とデフォルト値が使用されます。デフォルトのデータ拡張手法は crop、dihedral_affine、brightness、contrast、zoom です。 これらのデフォルト値は通常、衛星画像に適しています。
NONE—データ拡張は使用されません。
CUSTOM—データ拡張値は、augmentation_parameters パラメーターを使用して指定されます。 これにより、crop、rotate、brightness、contrast、zoom 変換を直接制御できます。
FILE—トレーニング データセットと検証データセットのデータ拡張のための fastai の変換は、トレーニング データと同じフォルダーに格納されている transforms.json ファイルを使用して指定されます。さまざまな変換に関する詳細については、fastai の Web サイトの 視覚変換 をご参照ください。
|
String
|
|
augmentation_parameters
[augmentation_parameters,...]
(オプション)
|
拡張パラメーター内の各変換の値を指定します。
rotate—画像は、確率 (p) の分だけ無作為に (角度単位で) 回転します。 角度が範囲 (a,b) の場合、値は、a から b の範囲で均等に割り当てられます。 デフォルト値は 30.0; 0.5 です。
brightness—画像の明るさは、確率 (p) を適用して、変化の値に応じて無作為に調整されます。 変化が 0 の場合は画像が最も暗くなり、変化が 1 の場合は画像が最も明るくなります。 変化が 0.5 の場合は、明るさは調整されません。 変化が範囲 (a,b) の場合、拡張によって a から b の範囲の値が均等に割り当てられます。 デフォルト値は (0.4,0.6); 1.0 です。
contrast—画像のコントラストは、確率 (p) を適用して、スケールの値に応じて無作為に調整されます。 スケールが 0 の場合は画像がグレー スケールになり、スケールが 1 より大きい場合は画像がスーパー コントラストになります。 スケールが 1 の場合は、コントラストが調整されません。 スケールが範囲 (a,b) の場合、拡張によって a から b の範囲の値が均等に割り当てられます。 デフォルト値は (0.75, 1.5); 1.0 です。
zoom—画像がスケールの値に応じて無作為にズーム インされます。 ズームの値は、scale(a,b); p の形式を取ります。 デフォルト値は (1.0, 1.2); 1.0 で、p は確率です。 スケールが 1.0 を超える場合のみ、画像のズーム インが行われます。 スケールが範囲 (a,b) の場合は、a から b の範囲の値が均等に割り当てられます。
crop—画像が無作為にトリミングされます。 トリミングの値は、size;p;row_pct;col_pct の形式を取り、p は確率を表します。 位置は (col_pct, row_pct), によって与えられ、col_pct と row_pct は 0 ～ 1 に正規化されます。 col_pct または row_pct が範囲 (a,b) の場合は、a から b の範囲の値が均等に割り当てられます。 デフォルト値は chip_size;1.0; (0, 1); (0, 1) で、224 がデフォルトのチップ サイズとなります。
値テーブル列:
|
Value Table
|
|
chip_size
(オプション)
|
モデルのトレーニングに使用される画像のサイズ。 画像は、指定のチップ サイズにトリミングされます。
デフォルトのチップ サイズは、トレーニング データのタイル サイズと同じになります。 x タイル サイズと y タイル サイズが異なる場合は、小さい方の値がデフォルトのチップ サイズとして使用されます。 チップ サイズは、入力フォルダー内のすべての画像の最小の x タイル サイズまたは y タイル サイズより小さくなければなりません。
|
Long
|
|
resize_to
(オプション)
|
画像のチップのサイズを変更します。 チップのサイズを変更したら、チップ サイズのピクセル ブロックがトリミングされ、トレーニングに使用されます。 このパラメーターは、オブジェクト検出 (PASCAL VOC)、オブジェクト分類 (ラベル付きタイル)、super-resolution データにのみ適用されます。
サイズ変更の値は、多くの場合、チップ サイズの半分です。 サイズ変更の値がチップ サイズの値より小さい場合、サイズ変更の値は、トレーニング用ピクセル ブロックの作成に使用されます。
|
String
|
|
weight_init_scheme
(オプション)
|
レイヤーの加重を初期化するために使用するスキーマを指定します。
マルチスペクトル データを使用してモデルをトレーニングするには、モデルが使用可能なさまざまなタイプのバンドに対応する必要があります。 これは、モデルの第 1 レイヤーを再度初期化することで行われます。
このパラメーターは、マルチスペクトル画像がモデルで使用される場合のみ適用されます。
RANDOM—非 RGB バンドでは、ランダムな重みが初期化され、RGB バンドでは、事前トレーニング済みの重みが維持されます。 これがデフォルトです。
RED_BAND—非 RGB バンドでは、事前トレーニング済みモデルのレイヤーの Red バンドに対応する重みのクローンが作成され、RGB バンドでは、事前トレーニング済みの重みが維持されます。
ALL_RANDOM—RGB バンドと非 RGB バンドで、ランダムな重みが初期化されます。 このオプションは、マルチスペクトル画像にのみ適用されます。
|
String
|
|
monitor
(オプション)
|
チェックポイントおよび早期停止中に監視する指標を指定します。
VALID_LOSS—検証ロスが監視されます。 検証ロスが大きく変更されなくなると、モデルが停止します。 これがデフォルトです。
AVERAGE_PRECISION—各閾値の加重平均精度が監視されます。 この値が大きく変更されなくなると、モデルが停止します。
ACCURACY—正しい予測の数と予測の合計数の比が監視されます。 この値が大きく変更されなくなると、モデルが停止します。
F1_SCORE—モデルの精度スコアと再現率スコアの組み合わせが監視されます。 この値が大きく変更されなくなると、モデルが停止します。
MIOU—テスト データセットのすべての画像上のセグメント化されたオブジェクトの Intersection over Union (IoU) 間の平均値が監視されます。 この値が大きく変更されなくなると、モデルが停止します。
DICE—Dice 指標を使用して、モデルのパフォーマンスが監視されます。 この値が大きく変更されなくなると、モデルが停止します。この値の範囲は 0 〜 1 です。 値 1 は、整合チェック データとトレーニング データ間でピクセルが完全一致していることを示します。
PRECISION—サンプルを分類する際のモデルの正確性を示す正の値である精度が監視されます。 この値が大きく変更されなくなると、モデルが停止します。精度は、正確に分類された正のサンプルの数と (正確か不正確かを問わず) 分類されたサンプルの総数の比です。
RECALL—モデルが正のサンプルを検出できる能力の指標である再現率が監視されます。 この値が大きく変更されなくなると、モデルが停止します。 再現率が高いほど、正のサンプルがより多く検出されます。 再現率の値は、正確に分類された正のサンプルの数と正のサンプルの合計数の比です。
CORPUS_BLEU—Corpus BLEU スコアが監視されます。 この値が大きく変更されなくなると、モデルが停止します。このスコアは、段落やドキュメントなどの複数の文の正確性を計算するために使用されます。
MULTI_LABEL_FBETA—加重調和平均精度と加重調和平均再現率が監視されます。 この値が大きく変更されなくなると、モデルが停止します。これは、多くの場合、F-beta スコアと呼ばれます。
|
String
|
|
tensorboard
(オプション)
|
ツールのトレーニング中に Tensorboard 指標を有効化するかどうかを指定します。 ツール メッセージ内の URL を使用して、Tensorboard にアクセスできます。
このパラメーターは次のモデルでのみサポートされています。CycleGAN、DeepLab、Faster RCNN、Feature Classifier、Image Captioner、Mask RCNN、Multi-Task Road Extractor、Pix2Pix、PSPNet Classifier、RetinaNet、Single-Shot Detector、SuperResolution、U-Net Classifier。
|
Boolean
|
派生した出力
|
名前
|
説明
|
データ タイプ
|
|
out_model_file
|
出力トレーニング済みモデル ファイル
|
File
|
コードのサンプル
TrainDeepLearningModel の例 1 (Python ウィンドウ)
この例では、事前トレーニング済みモデルを使用した転移学習を使用しました。
import arcpy
arcpy.env.workspace = r"C:\Data\DL.gdb"
arcpy.ia.TrainDeepLearningModel("Labeled_RoadImageChips",
"TransferLearning_UnsurfacedRoads", 500, "", 2, None, None, "",
r"C:\data\PreTrainedModels\RoadsExtraction_NorthAmerica.dlpk",
10, "STOP_TRAINING", "UNFREEZE_MODEL", "DEFAULT", None, 224, "",
"", "VALID_LOSS")
TrainDeepLearningModel の例 2 (スタンドアロン スクリプト)
この例では、SSD 手法を使用してオブジェクト検出モデルをトレーニングします。
# Import system modules
import arcpy
from arcpy.ia import *
# Set local variables
in_folder=r"C:\DL_models\training\Trees"
out_folder=r"C:\DL_models\model\Trees_DL1"
max_epochs=20
model_type="SSD"
batch_size=8
arguments="grids #;zooms 1.0;ratios '[1.0, 1.0]';drop 0.3;bias -0.4;focal_loss False;location_loss_factor #;backend pytorch"
learning_rate=None
backbone_model="VGG19"
pretrained_model=None
validation_percent=10
stop_training="STOP_TRAINING"
freeze="FREEZE_MODEL"
augmentation="DEFAULT"
augmentation_parameters=None
chip_size=224
resize_to=""
weight_init_scheme=""
monitor="VALID_LOSS"
tensorboard="ENABLE_TENSORBOARD"
# Run
arcpy.ia.TrainDeepLearningModel(in_folder, out_folder, max_epochs,
model_type, batch_size, arguments, learning_rate, backbone_model,
pretrained_model, validation_percent, stop_training, freeze,
augmentation, augmentation_parameters, chip_size, resize_to,
weight_init_scheme, monitor, tensorboard)