Классифицировать пикселы при помощи глубокого обучения (Инструменты Анализ растра)
Краткая информация
Запускает тренированную модель глубокого обучения для входного растра, чтобы получить классифицированный растр, опубликованный как размещенный слой изображений на вашем портале.
Иллюстрация
Использование
Среда Python сервера анализа растров (RA) должна быть настроена с использованием надлежащей среды глубокого обучения Python API, например, CNTK или подобной.
Когда этот инструмент запущен, сервер RA 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 RA. Инструмент может не получить такую информацию, если входная модель неверна или сервер RA неправильно настроен на работу со средой глубокого обучения.
Входное изображение для классификации. Это 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
Входные данные - URL-адрес элемента пакета глубокого обучения (.dlpk). 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
Выходное имя
Имя сервиса изображений классифицированных пикселов.
String
Аргументы модели
(Дополнительный)
Аргументы функции задаются 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 при чтении модуля Python на сервере RA.
Столбцы таблицы значений:
Name–The name of the function argument.
Value–The value of the function argument.
Value Table
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.
Входное изображение для классификации. Это 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
Входные данные - URL-адрес элемента пакета глубокого обучения (.dlpk). 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
outputName
Имя сервиса изображений классифицированных пикселов.
String
modelArguments[modelArguments,...]
(Дополнительный)
Аргументы функции задаются 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 при чтении модуля Python на сервере RA.
Столбцы таблицы значений:
Name–The name of the function argument.
Value–The value of the function argument.
Value Table
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
outRaster
Выходной набор растровых данных.
Raster Layer
Пример кода
ClassifyPixelsUsingDeepLearning, пример 1 (окно Python)
В этом примере растр классифицируется на основе пользовательской классификации пикселей с помощью глубокого обучения в развертывании растрового анализа, затем растр публикуется как размещённый слой изображений в вашем портале.
ClassifyPixelsUsingDeepLearning, пример 2 (автономный скрипт)
В этом примере растр классифицируется на основе пользовательской классификации пикселей с помощью глубокого обучения в развертывании растрового анализа, затем растр публикуется как размещённый слой изображений в вашем портале.
#---------------------------------------------------------------------------
# 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)
