Skip to main content

使用深度学习检测对象

许可：

需要搭配 Image Server

“使用深度学习检测对象”工具使用深度学习模型识别和定位影像图层中的对象。

将输出托管要素图层。

示例

此工具的应用情景示例如下：

  • 识别建筑物覆盖区以升级当地政府或区域应急小组的房产税数据。 该工具的输出图层是一个要素图层，可以识别区域中的建筑物。 创建的要素图层可用于与现有房产记录进行匹配，以记录房产的当前建筑覆盖区。

  • 识别停车场的汽车以统计考勤并准备交通调查。 创建的要素图层可在使用深度学习分类对象工具中用于对检测到的汽车类型进行分类。

用法说明

“使用深度学习检测对象”包含输入图层、模型设置和结果图层的配置。

输入图层

输入图层组包含以下参数：

  • 输入影像图层或要素图层是将用于检测深度学习模型中所标识对象的影像图层或带附件的要素图层。 所选的影像图层应基于要用于对像素进行分类的深度学习模型的要求。

  • 处理模式用于指定影像图层中栅格项目的处理方式。 选项如下：

    • 以镶嵌影像方式处理 - 镶嵌数据集或影像服务中的所有栅格项目将镶嵌在一起并进行处理。 这是默认设置。

    • 单独处理所有栅格项目 - 镶嵌数据集或影像服务中的所有栅格项目都将作为单独的影像进行处理。

模型设置

模型设置组包含以下参数：

  • 对象检测模型是将用于检测对象的深度学习模型。 需要将深度学习模型发布为深度学习包 (DLPK) 项目才能在工具中进行选择。 您可以选择自己的模型、ArcGIS Online 中提供的公共模型或 ArcGIS Living Atlas of the World 中的模型。

    注:

    在 Enterprise 管理员启用对 ArcGIS Living Atlas 内容的访问权限后，可以将 ArcGIS Living Atlas of the World 中的深度学习模型作为项目添加至 Enterprise。 管理员会将每个模型作为新项目添加至 Enterprise，以在工具中提供。

  • 模型参数用于指定在 Python 栅格函数类中定义的函数参数。 其中列出了其他深度学习参数和用于试验和优化的参数，例如用于调整灵敏度的置信度阈值。 参数名称将通过 Python 模块进行填充。

  • 非极大值抑制 (NMS) 用于指定是否执行非极大值抑制以移除根据置信度值识别的重复对象。

  • 置信度得分字段是记录置信度得分的字段的名称，这些得分将创建为对象检测方法的输出。 当启用非极大值抑制 (NMS) 时，此参数可用。

  • 类别值字段为输出要素图层中包含输入影像图层中的值的字段。 如果未指定值，则会使用标准类值字段 Classvalue 和 Value。 若这些字段不存在，则所有要素将被视为相同的对象类。 当启用非极大值抑制 (NMS) 时，此参数可用。

  • 最大重叠比用于指定两个重叠要素的交集面积与并集面积之比。 默认值为 0。 当启用非极大值抑制 (NMS) 时，此参数可用。

结果图层

结果图层组包括以下参数：

  • 输出名称用于指定要创建并显示的图层的名称。 名称必须唯一。 如果组织中已存在具有相同名称的图层，则工具将执行失败并提示您使用其他名称。

  • 保存在文件夹中将指定我的内容中将用于保存结果的文件夹的名称。

环境

分析环境设置是影响工具执行结果的附加参数。 可以从环境设置参数组访问工具的分析环境设置。

此工具支持以下分析环境：

输出

输出结果为要素图层，其中每个检测到的对象作为单个要素存在，并添加了类别值和置信度字段。

使用要求

该工具需要以下用户类型和配置：

资源

请通过以下资源了解更多详细信息：