Классифицировать объекты при помощи глубокого обучения (Инструменты Анализ растра)

Краткая информация

Запускает обученную модель глубокого обучения на входном растре и дополнительном классе пространственных объектов для создания класса объектов или таблицы, где у каждого входного объекта имеется метка назначенного класса или категории.

Иллюстрация

Иллюстрация инструмента Классифицировать объекты при помощи глубокого обучения

Использование

Среда Python сервера анализа растров должна быть настроена с использованием надлежащей среды глубокого обучения Python API, например, CNTK или подобной.
Когда этот инструмент запущен, сервер анализа растров вызывает сторонний Python API глубокого обучения (такой, как CNTK) и использует указанную растровую функцию Python для обработки каждого растрового листа.
Входная модель этого инструмента будет принимать только элемент пакета глубокого обучения (файл .dlpk) с портала.
После выбора или указания входной модели инструмент получит информацию об аргументах модели с сервера анализа растров. Инструмент может не получить такую информацию, если входная модель недействительна или сервер анализа растров неправильно настроен для работы со средой глубокого обучения.

Подпись	Объяснение	Тип данных
Входной растр	Входное изображение для классификации. Изображением может быть URL-адрес сервиса изображений, растровый слой, сервис изображений, слой картографического сервера или веб-слой, разделенный на листы.	Raster Layer; Image Service; Map Server; Map Server Layer; Internet Tiled Layer; String
Входная модель	Модель глубокого обучения, которая будет использоваться для классификации объектов на входном изображении. В качестве входных данных используется URL пакета глубокого обучения (.dlpk), который 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
Выходное имя	Имя сервиса объектов, содержащего классифицированные объекты.	String
Входные объекты (Дополнительный)	Векторный слой, определяющий местоположения всех пространственных и непространственных объектов, которые будут классифицироваться и отмечаться. Каждая строка входного сервиса объектов представляет отдельный пространственный и непространственный объект. Если сервис входных объектов не указан, каждое входное изображение будет классифицироваться как отдельный объект. Если у входного изображения или изображений есть пространственная привязка, то на выходе этого инструмента будет получен класс пространственных объектов, в котором экстент каждого изображения используется в качестве ограничивающей геометрии для любого класса объектов с метками. Если входное изображение или изображения не имеют пространственной привязки, то на выходе инструмента будет получена таблица, содержащая значения ID изображений и метки классов для каждого изображения.	Feature Layer; Map Server Layer; String
Аргументы модели (Дополнительный)	Аргументы модели функции, используемые для классификации. Они определяются в классе растровой функции Python, на который ссылается входная модель. Там перечисляются дополнительные параметры глубокого обучения и аргументы для экспериментов и улучшения, например, порог достоверности для настройки чувствительности. Названия аргументов заполняются инструментом из модуля Python на сервере растрового анализа. Столбцы таблицы значений: Name–The name of the function argument. Value–The value of the function argument.	Value Table
Поле метки класса (Дополнительный)	Имя поля, которое будет содержать метку класса или категории в выходном классе пространственных объектов. Если имя поля не указано, то в выходном классе пространственных объектов будет сгенерировано новое поле с именем `ClassLabel`.	String
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.	String

Производные выходные данные

Подпись	Объяснение	Тип данных
Выходные объекты	Набор выходных объектов	Feature Set

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

Имя	Объяснение	Тип данных
inputRaster	Входное изображение для классификации. Изображением может быть URL-адрес сервиса изображений, растровый слой, сервис изображений, слой картографического сервера или веб-слой, разделенный на листы.	Raster Layer; Image Service; Map Server; Map Server Layer; Internet Tiled Layer; String
inputModel	Модель глубокого обучения, которая будет использоваться для классификации объектов на входном изображении. В качестве входных данных используется URL пакета глубокого обучения (.dlpk), который 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
outputName	Имя сервиса объектов, содержащего классифицированные объекты.	String
inputFeatures (Дополнительный)	Векторный слой, определяющий местоположения всех пространственных и непространственных объектов, которые будут классифицироваться и отмечаться. Каждая строка входного сервиса объектов представляет отдельный пространственный и непространственный объект. Если сервис входных объектов не указан, каждое входное изображение будет классифицироваться как отдельный объект. Если у входного изображения или изображений есть пространственная привязка, то на выходе этого инструмента будет получен класс пространственных объектов, в котором экстент каждого изображения используется в качестве ограничивающей геометрии для любого класса объектов с метками. Если входное изображение или изображения не имеют пространственной привязки, то на выходе инструмента будет получена таблица, содержащая значения ID изображений и метки классов для каждого изображения.	Feature Layer; Map Server Layer; String
modelArguments [modelArguments,...] (Дополнительный)	Аргументы модели функции, используемые для классификации. Они определяются в классе растровой функции Python, на который ссылается входная модель. Там перечисляются дополнительные параметры глубокого обучения и аргументы для экспериментов и улучшения, например, порог достоверности для настройки чувствительности. Названия аргументов заполняются инструментом из модуля Python на сервере растрового анализа. Столбцы таблицы значений: `Name`–The name of the function argument. `Value`–The value of the function argument.	Value Table
classLabelField (Дополнительный)	Имя поля, которое будет содержать метку класса или категории в выходном классе пространственных объектов. Если имя поля не указано, то в выходном классе пространственных объектов будет сгенерировано новое поле с именем `ClassLabel`.	String
processingMode (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. `PROCESS_AS_MOSAICKED_IMAGE`–Все растровые элементы в наборе данных мозаики или сервисе изображений будут объединены в мозаику и обработаны. Используется по умолчанию. `PROCESS_ITEMS_SEPARATELY`–Все растровые элементы в наборе данных мозаики или сервисе изображений будут обработаны как отдельные изображения.	String

Производные выходные данные

Имя	Объяснение	Тип данных
outObjects	Набор выходных объектов	Feature Set

Пример кода

ClassifyObjectsUsingDeepLearning, пример 1 (окно Python)

В этом примере в растре классифицируются объекты на основе модели классификации при помощи глубокого обучения в развертывании растрового анализа, затем растр публикуется как размещенный слой изображений на портале.

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, пример 2 (автономный скрипт)

#---------------------------------------------------------------------------
# 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)

Параметры среды

Размер ячейки, Экстент, Коэффициент параллельной обработки, Тип процессора

Информация о лицензировании

Basic: Требуется ArcGIS Image Server
Standard: Требуется ArcGIS Image Server
Advanced: Требуется ArcGIS Image Server

Классифицировать объекты при помощи глубокого обучения (Инструменты Анализ растра)

Краткая информация

Иллюстрация

Использование

Параметры

Производные выходные данные

Параметры среды

Информация о лицензировании

Связанные разделы