使用深度学习分类对象 (栅格分析工具)

汇总

用于运行输入栅格和可选要素类上的训练深度学习模型，以生成要素类或表，其中每个输入对象或要素均具有一个分配的类或类别标注。

插图

用法

• 必须使用正确的深度学习框架 Python API（例如，CNTK 或类似内容）配置栅格分析服务器 Python 环境。

• 运行此工具后，您的栅格分析服务器将调用第三方深度学习 Python API（例如 CNTK），并使用指定的 Python 栅格函数来处理每个栅格切片。

• 此工具的输入模型仅通过门户获取深度学习包（.dlpk 文件）项目。

• 选择或指定输入模型后，该工具将从栅格分析服务器获取模型参数信息。 如果输入模型无效或者栅格分析服务器未使用深度学习框架正确配置，则该工具可能无法获得模型参数信息。

参数

• Dialog
• Python

标注	说明	数据类型
输入栅格	要分类的输入影像。 图像可以是影像服务 URL、栅格图层、影像服务、地图服务器图层或 Internet 切片图层。	Raster Layer; Image Service; Map Server; Map Server Layer; Internet Tiled Layer; String
输入模型	将用于对输入图像中的对象进行分类的深度学习模型。 输入是深度学习包 (.dlpk) 项目的 URL，其中包含深度学习二进制模型文件的路径、待使用的 Python 栅格函数的路径以及其他参数，例如首选切片大小或填充。	File
输出名称	包含已分类对象的要素服务的名称。	String
输入要素 （可选）	用于识别每个待分类和标注的对象或要素位置的要素服务。 输入要素服务中的每一行表示一个对象或要素。 如果未指定输入要素服务，则每个输入图像将被分类为单个对象。 如果一个或多个输入影像使用空间参考，则工具的输出为要素类，其中每个影像的范围将用作每个标注要素类的边界几何。 如果一个或多个输入影像没有使用空间参考，则工具的输出为包含影像 ID 值和每个影像类标注的表。	Feature Layer; Map Server Layer; String
模型参数 （可选）	用于分类的函数模型参数。 这些在输入模型所引用的 Python 栅格函数类中定义。 您可以在此列出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。 参数名称由工具从栅格分析服务器上的 Python 模块中自动填充。 值表列： Name—The name of the function argument. Value—The value of the function argument.	Value Table
类标注字段 （可选）	包含输出要素类中类或类别标注的字段名称。 如果未指定字段名称，则会在输出要素类中生成一个名为 ClassLabel 的新字段。	String
处理模式 （可选）	指定处理镶嵌数据集或影像服务中的所有栅格项目的方式。 当输入栅格是镶嵌数据集或影像服务时，将应用此参数。 以镶嵌影像方式处理—将镶嵌在一起并处理镶嵌数据集或影像服务中的所有栅格项目。 这是默认设置。 单独处理所有栅格项目—将作为独立影像处理镶嵌数据集或影像服务中的所有栅格项目。	String

派生输出

标注	说明	数据类型
输出对象	输出要素集。	Feature Set

环境

像元大小, 范围, 并行处理因子, 处理器类型

许可信息

• 基本: 需要 ArcGIS Image Server
• 标准: 需要 ArcGIS Image Server
• 高级: 需要 ArcGIS Image Server

相关主题

• 深度学习工具集概述
• 查找地理处理工具