Skip to main content

Выявить объекты при помощи глубокого обучения (Инструменты Image Analyst)

Краткая информация

Запускает обученную модель глубокого обучения для входного растра для построения класса с найденными пространственными объектами. Объекты могут быть ограничивающими рамками или полигонами вокруг найденных объектов или точками в центрах объектов.

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 функции растра 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) 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.

  • Инструмент может обрабатывать входные изображения, которые находятся в пространстве карты или в пространстве пикселов. Изображения в пространстве карты находятся в картографической системе координат. Изображения в пиксельном пространстве основаны на строках и столбцах без вращения и искажений. Система привязки может быть задана при формировании обучающих данных в инструменте Экспорт обучающих данных для глубокого обучения в параметре Система привязки. Если модель обучается в стороннем обучающем программном обеспечении, система привязки должна быть указана в файле .emd с помощью параметра ImageSpaceUsed, который можно установить на MAP_SPACE или PIXEL_SPACE.

  • Для слоев ориентированных изображений обработка всегда будет происходить в пиксельном пространстве. Когда для обработки используется пиксельное пространство, обнаружения пиксельного пространства сохраняются в выходной таблице в поле IShape.

  • Увеличение размера пакета может повысить производительность инструмента, но по мере его увеличения используется все больше 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.

  • Используйте параметр Не максимальное подавление для идентификации и удаления дубликатов объектов из обнаруженных объектов. Чтобы узнать больше об этом параметре, см. раздел Использование для инструмента [Не максимальное подавление]. Если входные данные представляют собой слои ориентированных изображений, дубликаты сохраняются с пустой наземной геометрией.

  • Используйте опцию Обработка только элементов-кандидатов параметра Режим обработки, чтобы обнаруживать объекты только на выбранных изображениях в наборе данных мозаики. Можно использовать инструмент Вычислить кандидатов мозаики(../data-management/compute-mosaic-candidates.yml) для поиска изображений-кандидатов в наборе данных мозаики и в сервисе изображений, которые наилучшим образом представляют область мозаики.

  • 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

Входное изображение, которое будет использоваться для выявления объектов. Входными данными может быть единичный растр, несколько растров из набора данных мозаики, сервис изображений, папка с изображениями, класс пространственных объектов с вложениями изображений или слой или набор данных ориентированных изображений.

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

Выходные выявленные объекты

Выходной класс объектов, который содержит геометрию, пересекающую объект или объекты, найденные во входном изображении.

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

Feature Class

Определение модели

Этот параметр может быть файлом JSON определения модели Esri (.emd), строкой JSON или пакетом 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 функции растра 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.

  • Отступ—число 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.

  • Пороговое значение достоверности—в результат включаются обнаруженные объекты, достоверность которых превышает это пороговое значение. Допустимые значения находятся в диапазоне от 0 до 1.0. Аргумент доступен для всех архитектур моделей.

  • Размер пакета—количество листов изображений, обрабатываемых на каждом этапе вывода модели. Оно зависит от объема памяти вашего графического адаптера. Аргумент доступен для всех архитектур моделей.

  • Наложение NMS—коэффициент максимального перекрытия для двух перекрывающихся объектов, который определяется как отношение площади пересечения к площади объединения. Значение по умолчанию равно 0,1. Аргумент доступен для всех архитектур моделей.

  • Исключить обнаружения внешних отступов—если равно true, потенциально усеченные обнаружения вблизи краев, которые находятся в дополненной области кусочков изображений, будут фильтроваться. Аргумент доступен только для SSD, RetinaNet, YOLOv3, DETReg, MMDetection и Faster RCNN.

  • Масштабы TTA—выполнить увеличение времени тестирования с помощью разных масштабов. Для каждого масштаба означает, что блок пикселей будет обработан в этом масштабе. Масштаб по умолчанию – 1, что означает отсутствие масштабирования. Разные масштабы разделены запятыми, например: 0.9,1,1.1. В этом случае блок пикселей будет обработан три раза, сначала в масштабе 0.9, затем без масштабирования, а после в масштабе 1.1.

  • Увеличение времени тестирования—увеличивает время тестирования в процессе прогнозирования. Если задано значение true, то конечный результат объединит прогнозы перевернутых и повернутых ориентаций входного изображения, а их доверительные значения будут усреднены. Это может привести к падению значений достоверности ниже порогового значения для объектов, которые обнаруживаются только в нескольких положениях изображения. Аргумент доступен для всех архитектур моделей.

  • Размер листа—ширина и высота листов изображений, на которые разбивается изображение для прогнозирования. Аргумент доступен только для MaskRCNN.

  • Политика объединения—политика объединения расширенных прогнозов. Доступные варианты: среднее, максимум или минимум. Это применимо только при использовании увеличения времени тестирования. Аргумент доступен только для MaskRCNN.

  • Выходной классифицированный растр—путь к выходному растру. Аргумент доступен только для MaXDeepLab.

Столбцы таблицы значений:

  • Name–The name of the function argument.

  • Value–The value of the function argument.

Value Table

Не максимальное подавление

(Дополнительный)

Определяет, будет ли выполняться немаксимальное подавление, при котором идентифицируются дубликаты объектов и удаляется дублированный объект с более низким значением достоверности.

  • Отмечено–Немаксимальное подавление будет выполняться, найденные объекты-дубликаты будут удалены. Если входные данные представляют собой слои ориентированных изображений, дубликаты сохраняются с пустой наземной геометрией.

  • Не отмечено–Немаксимальное подавление выполняться не будет. В выходной класс объектов будут помещены все обнаруженные объекты. Используется по умолчанию.

Boolean

Поле балла достоверности

(Дополнительный)

Имя поля в классе объектов, содержащее баллы достоверности в качестве выходных данных при выявлении объектов.

Данный параметр необходим, если отмечен параметр Не максимальное подавление.

String

Поле значений класса

(Дополнительный)

Имя поля значений класса во входном классе пространственных объектов.

Если имя поля не указано, то будет использоваться поле Classvalue или Value. Если эти поля отсутствуют, все записи будут считаться принадлежащими одному классу.

String

Коэффициент максимального перекрытия

(Дополнительный)

Коэффициент максимального перекрытия для двух перекрывающихся объектов, который определяется как отношение площади пересечения к площади объединения. Значение по умолчанию равно 0.

Double

Режим обработки

(Дополнительный)

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.

  • Обработка только элементов-кандидатов–Будут обработаны только растровые элементы со значением 1 или 2 в поле Candidate таблицы атрибутов входного набора данных мозаики.

String

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

Объекты интереса

(Дополнительный)

Задает имена объектов, которые будут обнаружены инструментом. Доступные опции зависят от значения параметра Определение модели.

Этот параметр активен только в том случае, если модель обнаруживает более одного типа объектов.

String

Производные выходные данные

Подпись Объяснение Тип данных

Выходной классифицированный растр

Выходной классифицированный растр для классификации пикселов. Имя набора растровых данных будет совпадать со значением параметра Выходные выявленные объекты.

Этот параметр применим, только если тип модели — Паноптическая сегментация.

Raster Dataset

Параметры среды

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

Информация о лицензировании

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