ディープラーニングを使用したオブジェクトの検出 (ラスター解析ツール)

サマリー

入力ラスターにトレーニング済みディープラーニングモデルを実行して、特定したオブジェクトを含むフィーチャクラスを作成します。このフィーチャクラスは、ポータル内でホストフィーチャクラスとして共有できます。フィーチャには、検出されたオブジェクトの周囲の境界四角形やポリゴン、またはオブジェクトの中心のポイントを指定できます。

図

ディープラーニングを使用したオブジェクトの検出ツールの図

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。
入力モデル パラメーターは、ポータルからのディープラーニングパッケージ (.dlpk) アイテムのみを使用します。
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。
オブジェクト検出から重複フィーチャを特定して削除するには、Non Maximum Suppression パラメーターを使用します。
ディープラーニングの詳細については、「ArcGIS Image Analyst エクステンションを使用したディープラーニング」をご参照ください。

ラベル	説明	データタイプ
入力ラスター	オブジェクトの検出に使用される入力画像。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	入力モデルには、ポータルからのディープラーニングパッケージ (`.dlpk`) アイテムのファイルまたは URL を指定できます。	File
出力名	検出オブジェクトの出力フィーチャサービスの名前。	String
モデル引数 (オプション)	関数モデルの引数は、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 (感度を微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
Non Maximum Suppression (オプション)	Non Maximum Suppression を実行するかどうかを指定します。実行すると、重複オブジェクトが識別され、信頼値の低い重複フィーチャが削除されます。オン—検出された重複オブジェクトが削除されます。オフ—検出されたすべてのオブジェクトが出力フィーチャクラス内に含められます。これがデフォルトです。	Boolean
信頼度スコアフィールド (オプション)	オブジェクト検出方法の出力として使用される、信頼度スコアを含むフィーチャサービス内のフィールド。このパラメーターは、Non Maximum Suppression パラメーターをオンにした場合に必須です。	String
クラス値フィールド (オプション)	フィーチャサービス内のクラス値フィールドの名前。フィールド名が指定されていない場合、`Classvalue` または `Value` フィールドが使用されます。これらのフィールドが存在しない場合、すべてのレコードが 1 つのクラスに属するものとして識別されます。	String
最大オーバーラップ率 (オプション)	2 つの重複したフィーチャの最大オーバーラップ率。全領域に対する交差領域の比率として定義されます。デフォルトは 0 です。	Double
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
アウトオブジェクト	出力フィーチャサービス。	Feature Class

arcpy.ra.DetectObjectsUsingDeepLearning(inputRaster, inputModel, outputName, {modelArguments}, {runNMS}, {confidenceScoreField}, {classValueField}, {maxOverlapRatio}, {processingMode})

名前	説明	データタイプ
inputRaster	オブジェクトの検出に使用される入力画像。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	入力モデルには、ポータルからのディープラーニングパッケージ (`.dlpk`) アイテムのファイルまたは URL を指定できます。	File
outputName	検出オブジェクトの出力フィーチャサービスの名前。	String
modelArguments [modelArguments,...] (オプション)	関数モデルの引数は、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 (感度を微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
runNMS (オプション)	Non Maximum Suppression を実行するかどうかを指定します。実行すると、重複オブジェクトが識別され、信頼値の低い重複フィーチャが削除されます。 `NMS`—検出された重複オブジェクトが削除されます。 `NO_NMS`—検出されたすべてのオブジェクトが出力フィーチャクラス内に含められます。これがデフォルトです。	Boolean
confidenceScoreField (オプション)	オブジェクト検出方法の出力として使用される、信頼度スコアを含むフィーチャサービス内のフィールド。このパラメーターは、`runNMS` パラメーターに `NMS` キーワードを使用した場合に必要です。	String
classValueField (オプション)	フィーチャサービス内のクラス値フィールドの名前。フィールド名が指定されていない場合、`Classvalue` または `Value` フィールドが使用されます。これらのフィールドが存在しない場合、すべてのレコードが 1 つのクラスに属するものとして識別されます。	String
maxOverlapRatio (オプション)	2 つの重複したフィーチャの最大オーバーラップ率。全領域に対する交差領域の比率として定義されます。デフォルトは 0 です。	Double
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	出力フィーチャサービス。	Feature Class

コードのサンプル

DetectObjectsUsingDeepLearning_ra の例 1 (Python ウィンドウ)

この例では、DetectObjectsUsingDeepLearning ツールを使用して、オブジェクト検出に基づいてポータル内にホストフィーチャレイヤーを作成します。

import arcpy
arcpy.ra.DetectObjectsUsingDeepLearning(
        "https://myserver/rest/services/Farm/ImageServer",
        "https://myportal/sharing/rest/content/items/itemId", "detectedTrees",
"score_threshold 0.6;padding 0", "NO_NMS")

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

この例では、DetectObjectsUsingDeepLearning ツールを使用して、オブジェクト検出に基づいてポータル内にホストフィーチャレイヤーを作成します。

#---------------------------------------------------------------------------
# Name: DetectObjectsUsingDeepLearning_example02.py
# Requirements: ArcGIS Image Server
# Import system modules
import arcpy
# Set local variables
inImage = "https://myserver/rest/services/coconutFarmImage/ImageServer"
inModel = "https://myportal/sharing/rest/content/items/itemId"
outName = "detectedTrees"
modelArgs = "score_threshold 0.6;padding 0"
runNMS = "NMS"
confScoreField = "Confidence"
classVField = "Class"
maxOverlapRatio = 0.15
# Run Detect Objects Using raster analysis tool
arcpy.ra.DetectObjectsUsingDeepLearning(inImage, inModel, outName, modelArgs,
runNMS, confScoreField, ClassVField, maxOverlapRatio)

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

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検出 (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検出 (ラスター解析ツール)