ディープラーニングを使用したオブジェクトの分類 (ラスター解析ツール)

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。

図

ディープラーニングを使用したオブジェクトの分類ツールの図

使用法

ラスター解析サーバーの Python 環境が、適切なディープラーニングフレームワーク Python API (CNTK など) を使用して構成されている必要があります。
このツールを実行すると、ラスター解析サーバーがサードパーティーのディープラーニング Python API (CNTK など) を呼び出し、指定された Python ラスター関数を使用して、各ラスタータイルを処理します。
このツールの入力モデルは、ポータルからのディープラーニングパッケージ (.dlpk ファイル) アイテムだけを受け取ります。
入力モデルを選択または指定すると、ツールがラスター解析サーバーからモデル引数情報を取得します。入力モデルが無効であったり、ラスター解析サーバーがディープラーニングフレームワークによって適切に構成されていなかったりすると、ツールはこうした情報を取得できません。

ラベル	説明	データタイプ
入力ラスター	分類対象の入力画像。画像として、イメージサービスの URL、ラスターレイヤー、イメージサービス、マップサーバーレイヤー、またはインターネットタイルレイヤーを指定できます。	Raster Layer; Image Service; Map Server; Map Server Layer; Internet Tiled Layer; String
入力モデル	入力画像のオブジェクトの分類に使用されるディープラーニングモデル。この入力は、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) が含まれるディープラーニングパッケージ (`.dlpk`) アイテムの URL です。	File
出力名	分類されたオブジェクトを含むフィーチャサービスの名前。	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フィーチャサービス。入力フィーチャサービスの各行は、単一のオブジェクトまたはフィーチャを表します。入力フィーチャサービスが指定されない場合、各入力画像は単一オブジェクトとして分類されます。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 Layer; Map Server Layer; String
モデル引数 (オプション)	分類に使用する関数モデルの引数。これらは、入力モデルで参照している Python ラスター関数クラスで定義されます。ここでは、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) をリストします。引数の名前は、ラスター解析サーバー上で Python モジュールからツールを使用して入力されます。値テーブル列: Name—The name of the function argument. Value—The value of the function argument.	Value Table
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` という名前の新しい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

派生した出力

ラベル	説明	データタイプ
出力オブジェクト	出力フィーチャセット。	Feature Set

arcpy.ra.ClassifyObjectsUsingDeepLearning(inputRaster, inputModel, outputName, {inputFeatures}, {modelArguments}, {classLabelField}, {processingMode})

名前	説明	データタイプ
inputRaster	分類対象の入力画像。画像として、イメージサービスの URL、ラスターレイヤー、イメージサービス、マップサーバーレイヤー、またはインターネットタイルレイヤーを指定できます。	Raster Layer; Image Service; Map Server; Map Server Layer; Internet Tiled Layer; String
inputModel	入力画像のオブジェクトの分類に使用されるディープラーニングモデル。この入力は、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) が含まれるディープラーニングパッケージ (`.dlpk`) アイテムの URL です。	File
outputName	分類されたオブジェクトを含むフィーチャサービスの名前。	String
inputFeatures (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フィーチャサービス。入力フィーチャサービスの各行は、単一のオブジェクトまたはフィーチャを表します。入力フィーチャサービスが指定されない場合、各入力画像は単一オブジェクトとして分類されます。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 Layer; Map Server Layer; String
modelArguments [modelArguments,...] (オプション)	分類に使用する関数モデルの引数。これらは、入力モデルで参照している Python ラスター関数クラスで定義されます。ここでは、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) をリストします。引数の名前は、ラスター解析サーバー上で Python モジュールからツールを使用して入力されます。値テーブル列: `Name`—The name of the function argument. `Value`—The value of the function argument.	Value Table
classLabelField (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` という名前の新しいフィールドが生成されます。	String
processingMode (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。 `PROCESS_AS_MOSAICKED_IMAGE`—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。 `PROCESS_ITEMS_SEPARATELY`—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

派生した出力

名前	説明	データタイプ
outObjects	出力フィーチャセット。	Feature Set

コードのサンプル

ClassifyObjectsUsingDeepLearning の例 1 (Python ウィンドウ)

この例では、ラスター解析の配置でディープラーニングを使用する分類モデルに基づいてラスター内のフィーチャを分類し、そのラスターをポータルのホストイメージレイヤーとして公開します。

import arcpy

arcpy.ra.ClassifyObjectsUsingDeepLearning(
    "https://myserver/rest/services/Buildings/ImageServer",
    "https://myserver/rest/services/Hosted/BuildingFootprints/FeatureServer/0",
    "https://myportal/sharing/rest/content/items/itemId", "BuildingDamage",
    "batch_size 4", "ClassLabel","PROCESS_AS_MOSAICKED_IMAGE")

ClassifyObjectsUsingDeepLearning の例 2 (スタンドアロンスクリプト)

#---------------------------------------------------------------------------
# Name: ClassifyObjectsUsingDeepLearning_example02.py
# Requirements: ArcGIS Image Server
# Import system modules
import arcpy

# Set local variables
inputRaster = "https://myserver/rest/services/Buildings/ImageServer"
inputFeatures = "https://myserver/rest/services/Hosted/BuildingFootprints/FeatureServer/0"
inputModel = "https://myportal/sharing/rest/content/items/itemId"
outputName = "BuildingDamage"
modelArguments = "batch_size 4"
classLabelField = "ClassLabel"
processingMode = "PROCESS_AS_MOSAICKED_IMAGE"

# Run Classify Objects Using Deep Learning
arcpy.ra.ClassifyObjectsUsingDeepLearning(inputRaster, inputFeatures,
    inputModel, outputName, modelArguments, classLabelField , processingMode)

環境

セルサイズ, 範囲, 並列処理ファクター, プロセッサータイプ

ライセンス情報

Basic: ArcGIS Image Server が必要
Standard: ArcGIS Image Server が必要
Advanced: ArcGIS Image Server が必要

ディープ ラーニングを使用したオブジェクトの分類 (ラスター解析ツール)

サマリー

図

使用法

パラメーター

派生した出力

環境

ライセンス情報

関連トピック

ディープラーニングを使用したオブジェクトの分類 (ラスター解析ツール)