ディープラーニングを使用したピクセルの分類 (ラスター解析ツール)

サマリー

入力画像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、ポータルでホストイメージレイヤーとして公開される分類ラスターを生成します。

図

ディープラーニングを使用したピクセルの分類ツールの図

使用法

ラスター解析 (RA) 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、RA 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) 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 RA 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、RA 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。これには、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	入力は、ディープラーニングパッケージ (`.dlpk`) アイテムの URL です。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
出力名	分類されたピクセルのイメージサービスの名前。	String
モデル引数 (オプション)	関数の引数は、入力モデルによって参照される 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、ツールを使用して RA サーバー上の Python モジュールを読み取ることによって入力されます。値テーブル列: Name—The name of the function argument. Value—The value of the function argument.	Value Table
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
更新された入力ラスター	出力ラスターデータセット。	Raster Layer

arcpy.ra.ClassifyPixelsUsingDeepLearning(inputRaster, inputModel, outputName, {modelArguments}, {processingMode})

名前	説明	データタイプ
inputRaster	分類対象の入力画像。これには、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	入力は、ディープラーニングパッケージ (`.dlpk`) アイテムの URL です。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
outputName	分類されたピクセルのイメージサービスの名前。	String
modelArguments [modelArguments,...] (オプション)	関数の引数は、入力モデルによって参照される 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、ツールを使用して RA サーバー上の Python モジュールを読み取ることによって入力されます。値テーブル列: `Name`—The name of the function argument. `Value`—The value of the function argument.	Value Table
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
outRaster	出力ラスターデータセット。	Raster Layer

コードのサンプル

ClassifyPixelsUsingDeepLearning 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カスタムピクセル分類に基づいてラスターを分類し、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.ClassifyPixelsUsingDeepLearning(
        "https://myserver/rest/services/landclassification/ImageServer",
        "https://myportal/sharing/rest/content/items/itemId",
"classifiedLand", "padding 0")

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

#---------------------------------------------------------------------------
# Name: ClassifyPixelsUsingDeepLearning_example02.py
# Requirements: ArcGIS Image Server
# Import system modules
import arcpy
# Set local variables
inImage = "https://myserver/rest/services/ landclassification/ImageServer"
inModel = "https://myportal/sharing/rest/content/items/itemId"
outName = "classifiedLand"
modelArgs = "padding 0"
# Run Classified Pixels Using raster analysis tool
arcpy.ra.ClassifyPixelsUsingDeepLearning(inImage, inModel, outName, modelArgs)

環境

セルサイズ, 範囲, 出力座標系, 並列処理ファクター, プロセッサータイプ, スナップ対象ラスター

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ピクセルの分類 (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ピクセルの分類 (ラスター解析ツール)