Deep Learning in ArcGIS Pro

Deep-Learning-Funktionen sind in ArcGIS Pro über mehrere Werkzeuge und Funktionen verfügbar.

Der Deep-Learning-Workflow ist in ArcGIS Pro verfügbar.

Modelltraining

Bevor ein Deep-Learning-Modell zum Identifizieren von Features oder Objekten in einem Bild verwendet werden kann, muss es trainiert werden, damit es diese Objekte erkennt. Zum Training eines Deep-Learning-Modells gehören viele der Schritte, die auch zum Training eines traditionellen Bildklassifizierungsmodells durch maschinelles Lernen gehören. Sie müssen Trainingsgebiete und Eingabe-Bilddaten sammeln und bereitstellen und danach das Model so trainieren, dass es das Erkennen dieser Features oder Objekte erlernt.

Der Bereich Objekte für Deep Learning beschriften wird zum Sammeln und Generieren beschrifteter Datasets zum Trainieren eines Deep-Learning-Modells verwendet. Sie können Objekte in einem Bild interaktiv identifizieren und beschriften und die Trainingsdaten als Bildschnipsel, Beschriftungen und Statistiken, die zum Trainieren eines Modells erforderlich sind, exportieren. Wenn bereits beschriftete Vektor- oder Raster-Daten vorhanden sind, dann können Sie das Geoverarbeitungswerkzeug Trainingsdaten für Deep Learning exportieren verwenden, um die Trainingsdaten, die für den nächsten Schritt benötigt werden, zu generieren.

Das Werkzeug Deep-Learning-Modell trainieren verwendet die exportierten Trainingsdaten zum Trainieren eines Deep-Learning-Modells. Zum Konfigurieren des Trainingsprozesses sind mehrere Modelltypen und Argumente verfügbar.

Modell-Inferenz

Modell-Inferenz bezeichnet den Prozess, bei dem mit einem trainierten Modell Informationen aus einem Bild extrahiert werden. Für die Modell-Inferenz in ArcGIS Pro sind die folgenden Optionen verfügbar:

  • Objekte ermitteln: Generieren von umgebenden Rechtecken um Objekte oder Features in einem Bild, um deren Position zu identifizieren. Verwenden Sie das Werkzeug Objekte mit Deep Learning erkennen.
  • Objekte klassifizieren: Generieren von Beschriftungen für Features in einem Bild, um deren Klasse oder Kategorie zu identifizieren. Verwenden Sie das Werkzeug Objekte mit Deep Learning klassifizieren.
  • Pixel klassifizieren: Generieren eines klassifizierten Rasters, in dem jedes Pixel zu einer Klasse oder Kategorie gehört. Verwenden Sie das Werkzeug Pixel mit Deep Learning klassifizieren.

Explorative Analyse

Das Werkzeug Objekterkennung in der explorativen Analyse verwendet ein trainiertes Deep-Learning-Modell zum Erkennen von Objekten, die in der aktuellen Karte oder Szene dargestellt werden. Jedes identifizierte Feature wird durch ein Punkt-Feature mit einer Position im Koordinatensystem der Karte, durch detaillierte Attribute zu Ausrichtung und Ausdehnung des Objekts und durch den Konfidenzwert identifiziert. Das Werkzeug kann mit jedem trainierten "Faster R-CNN"-Modell arbeiten und ist für die bedarfsgesteuerte Erkennung von Objekten in der aktiven Ansicht vorgesehen.

Interaktive Objekterkennung mit Box-Symbolisierung
Interaktive Objekterkennung mit Kreuz-Symbolisierung

Ergebnisse überprüfen

Nach dem Verwenden eines Deep-Learning-Modells ist es wichtig, dass Sie die Ergebnisse überprüfen und die Genauigkeit des Modells bewerten.

Verwenden Sie den Bereich Attribute zum Überprüfen der Ergebnisse aus der objektbasierten Inferenz (Werkzeug Objekte mit Deep Learning klassifizierenoder Werkzeug Objekte mit Deep Learning erkennen). Sie können auch das Werkzeug Genauigkeit für die Objekterkennung berechnen verwenden, um eine Tabelle und einen Bericht für die Genauigkeitsbewertung zu generieren.

Verwandte Themen