Skip to main content

Классифицировать пикселы при помощи глубокого обучения (Инструменты Image Analyst)

Краткая информация

Запускает обученную модель глубокого обучения на входном растре для создания классифицированного растра, где каждому допустимому пикселу назначена метка класса.

Для этого инструмента требуется файл определения модели, содержащий обученную информацию о модели. Модели могут быть обучены с помощью инструмента Тренировать модель глубокого обучения или с помощью сторонних программных средств обучения, таких как PyTorch. Файл определения модели может быть файлом JSON определения модели Esri (.emd) или пакетом модели глубокого обучения, и он должен содержать путь к растровой функции Python, вызываемой для обработки каждого объекта, и путь к обученному двоичному файлу модели глубокого обучения.

Использование

  • Необходимо установить соответствующую среду глубокого обучения Python API (например, PyTorch или Keras) в среду Python ArcGIS Pro; в противном случае при добавлении файла определения модели Esri в инструмент появится сообщение об ошибке. Получите соответствующую информацию о платформе от создателя файла определения модели Esri.

    Чтобы настроить компьютер на работу в среде глубокого обучения в ArcGIS Pro, см. раздел Установка сред глубокого обучения для ArcGIS.

  • Этот инструмент вызывает сторонний API для глубокого обучения Python (такой, как PyTorch) и использует указанную функцию растра Python для обработки каждого объекта.

  • Примеры использования этого инструмента доступны на странице растровой функции Esri Python GitHub. Вы также можете написать пользовательские модули Python, следуя примерам и инструкциям в репозитории GitHub.

  • Значением параметра Определение модели может быть файл JSON определения модели Esri (.emd), строка JSON или пакет модели глубокого обучения (.dlpk). Строка JSON полезна при использовании инструмента на сервере, чтобы вы могли вставить необходимую строку JSON, вместо загрузки файла .emd. Файл .dlpk должен быть сохранен локально.

  • Дополнительную информацию о глубоком обучении см. в разделе Глубокое обучение с помощью дополнительного модуля ArcGIS Image Analyst.

  • Входной растр может быть одним растром, несколькими растрами или классом пространственных объектов с вложенными изображениями. Дополнительные сведения о вложениях см. в разделе Добавление и удаление вложений файлов.

  • Увеличение размера пакета может улучшить производительность инструмента, но при этом увеличение размера пакета приводит к расходованию большего объема памяти. При появлении ошибки переполнения памяти задайте меньший размер пакета. Значение batch_size можно настроить с помощью параметра Аргументы.

  • Размеры пакета указываются в квадратах целых чисел: 1, 4, 9, 16, 25, 64 и т.д. Если входное значение не является квадратом числа, будет использоваться максимальный квадрат целого числа. К примеру, если указано значение 6, то устанавливается размер пакета равный 4.

  • Этот инструмент поддерживает и использует несколько графических процессоров, если таковые доступны. Чтобы использовать определенный графический процессор, задайте параметр среды GPU ID. Если GPU ID не задан, инструмент использует все доступные графические процессоры. Используется по умолчанию.

  • Когда для параметра среды Тип процессора задано ЦПУ, а для Коэффициент параллельной обработки значение не указано, инструмент будет использовать для Коэффициента параллельной обработки значение, равное 50%.

Параметры

Подпись Объяснение Тип данных

Входной растр

Входной набор растровых данных, который будет классифицирован.

Входными данными может быть единичный растр или несколько растров из набора данных мозаики, сервис изображений или папка с изображениями, либо класс пространственных объектов со вложениями изображений.

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

Определение модели

Значением параметра Определение модели может быть файл JSON определения модели Esri (.emd), строка JSON или пакет модели глубокого обучения (.dlpk). Строка JSON полезна при использовании инструмента на сервере, чтобы вы могли вставить необходимую строку JSON, вместо загрузки файла .emd. Файл .dlpk должен быть сохранен локально.

Он содержит путь к файлу двоичной модели глубокого обучения, путь к используемой растровой функции Python и другие параметры, такие как предпочтительный размер листа или отступы.

File; String

Аргументы

(Дополнительный)

Для заполнения этого параметра будет использоваться информация из параметра Определение модели. Эти аргументы меняются в зависимости от архитектуры модели. Ниже приведены поддерживаемые аргументы для моделей, обученных в ArcGIS. Предварительно обученные модели ArcGIS и пользовательские модели глубокого обучения могут иметь дополнительные аргументы, поддерживаемые инструментом.

  • batch_size—Количество листов изображений, обработанных на каждом этапе построения модели. Оно зависит от объема памяти вашего графического адаптера. Аргумент доступен для всех архитектур моделей.

  • direction—Изображение передается из одного домена в другой. Опции AtoB и BtoA. Аргумент доступен только для архитектуры CycleGAN. Для получения дополнительной информации об этом аргументе см. Как работает CycleGAN.

  • merge_policy—Политика объединения расширенных прогнозов. Доступные опции — mean, max и min. Это применимо только при использовании увеличения времени тестирования. Аргумент доступен в архитектурах Multi Task Road Extractor и ConnectNet Если IsEdgeDetection присутствует в файле модели .emd, также доступны архитектуры BDCN Edge Detector, HED Edge Detector и MMSegmentation.

  • n_timestep—Число временных шагов, которые будут использованы. По умолчанию, 200. Можно увеличить или уменьшить это значение в зависимости от качества поколений. Этот аргумент поддерживается только для архитектуры Повышение разрешения с опорной моделью SR3.

  • padding—Количество пикселов на границе листов изображений, из которых складываются прогнозные данные для смежных листов. Чтобы сгладить результат при уменьшении артефактов, увеличьте значение. Максимальное значение padding может составлять половину значения размера листа. Аргумент доступен для всех архитектур моделей.

  • predict_background—Указывает, будет ли классифицирован класс фона. Если значение True, класс фона также классифицируется. Аргумент доступен для архитектур UNET, PSPNET, DeepLab, MMSegmentation, SAMLoRA.

  • return_probability_raster—Определяет, будет ли выходной набор данных растром вероятности. Если истина - выходной набор данных будет растром вероятности. Если ложь - выходной набор данных будет бинарным классифицированным растром. Значением по умолчанию является false. Если ArcGISLearnVersion версии 1.8.4 или новее присутствует в файле модели .emd, доступны архитектуры Multi Task Road Extractor и ConnectNet. Если ArcGISLearnVersion версии 1.8.4 или новее и IsEdgeDetection присутствуют в файле модели .emd, также доступны архитектуры BDCN Edge Detector, HED Edge Detector и MMSegmentation.

  • sampling_type—Тип выборки, который будет использован. Доступны два типа выборки: ddim и ddpm. По умолчанию тип выборки ddim быстрее выдает результаты за меньшее количество шагов по сравнению с ddpm. Этот аргумент поддерживается только для архитектуры Повышение разрешения с опорной моделью SR3.

  • schedule—Необязательная строка, которая задает тип расписания. Расписание по умолчанию такое же, на котором обучалась модель. Этот аргумент поддерживается только для архитектуры Повышение разрешения с опорной моделью SR3.

  • test_time_augmentation—Указывает, будет ли выполняться увеличение времени тестирования при прогнозировании. Если задано значение true, то конечный результат объединит прогнозы перевернутых и повернутых вариантов входного изображения. Аргумент доступен для архитектур UNET, PSPNET, DeepLab, HED Edge Detector, BDCN Edge Detector, ConnectNet, MMSegmentation, Multi Task Road Extractor и SAMLoRA.

  • tile_size—Ширина и высота листов изображений, на которые будет разбито изображение для прогнозирования. Аргумент доступен только для архитектуры CycleGAN.

  • thinning—Определяет, будут ли прогнозируемые ребра утончены или скелетированы. Опции True и False. Если IsEdgeDetection присутствует в файле модели .emd, доступны архитектуры BDCN Edge Detector, HED Edge Detector и MMSegmentation.

  • threshold—В результат включаются обнаруженные объекты, достоверность которых превышает это пороговое значение. Допустимые значения находятся в диапазоне от 0 до 1.0. Если ArcGISLearnVersion версии 1.8.4 или новее присутствует в файле модели .emd, доступны архитектуры Multi Task Road Extractor и ConnectNet. Если ArcGISLearnVersion версии 1.8.4 или новее и IsEdgeDetection присутствуют в файле модели .emd, также доступны архитектуры BDCN Edge Detector, HED Edge Detector и MMSegmentation.

Столбцы таблицы значений:

  • Name–The name of the function argument.

  • Value–The value of the function argument.

Value Table

Режим обработки

Задает как будут обработаны все растровые элементы в наборе данных мозаики или сервисе изображений. Этот параметр применяется только в том случае, если в качестве входных данных используется наборы данных мозаики или сервис изображений.

  • Обработка как мозаики изображений–Все растровые элементы в наборе данных мозаики или сервисе изображений будут объединены в мозаику и обработаны. Используется по умолчанию.

  • Обработка всех растровых элементов отдельно–Все растровые элементы в наборе данных мозаики или сервисе изображений будут обработаны как отдельные изображения.

String

Выходная папка

(Дополнительный)

Папка для хранения выходных классифицированных растров. Набор данных мозаики будет создан с использованием классифицированных растров из этой папки.

Этот параметр необходим, если входной растр является папкой с изображениями или набором данных мозаики, в которых все элементы должны быть обработаны по отдельности. По умолчанию используется папка в папке проекта.

Folder

Выходные объекты

(Дополнительный)

Класс объектов, в котором будут сохранены выходные классифицированные растры.

Этот параметр обязателен, если входной растр является классом объектов изображений.

Если класс объектов уже существует, то результаты будут добавлены в этот существующий класс объектов.

Feature Class

Перезаписать вложения

(Дополнительный)

Задает, будет ли существующее вложение с изображением перезаписано.

Этот параметр корректен, только когда значением параметра Входной растр является класс пространственных объектов с вложениями изображений.

  • Отмечено–Существующий класс объектов будет перезаписан с новыми обновленными вложениями.

  • Не отмечено–Существующие вложения с изображениями не будут перезаписаны, и новые вложения с изображениями будут храниться в новом классе объектов. Когда эта опция задана, у параметра Выходные объекты должно быть значение. Используется по умолчанию.

Boolean

Использование пиксельного пространства

(Дополнительный)

Задает, будет ли выполняться логический вывод для изображений в пиксельном пространстве.

  • Отмечено–Вывод будет выполнен в пиксельном пространстве, а выходные данные будут преобразованы обратно в пространство карты. Этот параметр полезен при использовании перспективных изображений или изображений панорам улиц, где объекты могут быть искажены из-за использования пространства карты.

  • Не отмечено–Вывод будет выполняться в пространстве карты. Используется по умолчанию.

Boolean

Возвращаемое значение

Подпись Объяснение Тип данных

Выходной набор растровых данных

Имя растра или набора данных мозаики, содержащего результат.

Raster

Параметры среды

Размер ячейки, Текущая рабочая область, Экстент, Географические преобразования, GPU ID, Маска, Выходная система координат, Коэффициент параллельной обработки, Тип процессора, Временная рабочая область, Растр привязки

Информация о лицензировании

  • Basic: Требуется Image Analyst
  • Standard: Требуется Image Analyst
  • Advanced: Требуется Image Analyst