Beschriftung | Erläuterung | Datentyp |
Eingabe-Trainingsdaten | Die Punktwolken-Trainingsdaten (*.pctd), mit denen das Klassifizierungsmodell trainiert wird. | File |
Speicherort des Ausgabemodells | Der vorhandene Ordner, in dem das neue Verzeichnis mit dem Deep-Learning-Modell gespeichert wird. | Folder |
Name des Ausgabemodells | Der Name der ausgegebenen Esri Modelldefinitionsdatei (*.emd), des Deep-Learning-Pakets (*.dlpk) und des neuen Verzeichnisses, das zur Speicherung der Dateien erstellt wird. | String |
Vortrainiertes Modell (optional) | Das vortrainierte Modell, das optimiert wird. Wird ein vortrainiertes Modell angegeben, müssen die Eingabe-Trainingsdaten dieselben Angaben für Attribute, Klassencodes und maximale Anzahl an Punkten aufweisen wie die Trainingsdaten, aus denen das vortrainierte Modell erstellt wurde. | File |
Attributauswahl (optional) | Gibt die Punktattribute an, die beim Trainieren des Modells zusammen mit den Klassifizierungscodes verwendet werden. Nur die Attribute, die in den Punktwolken-Trainingsdaten vorhanden sind, stehen zur Verfügung. Standardmäßig werden keine zusätzlichen Attribute einbezogen.
| String |
Minimale Anzahl an Punkten pro Block (optional) | Die minimale Anzahl an Punkten, die in einem bestimmten Block vorhanden sein müssen, damit er beim Modelltraining verwendet wird. Die Standardeinstellung ist 0. | Long |
Klassenneuzuordnung (optional) | Definiert, wie Klassencodewerte vor dem Training des Deep-Learning-Modells neuen Werten zugeordnet werden. | Value Table |
Relevante Klassencodes (optional) | Die Klassencodes, die zum Filtern der Blöcke in den Trainingsdaten verwendet werden. Wenn relevante Klassencodes angegeben werden, werden alle anderen Klassencodes dem Hintergrund-Klassencode neu zugeordnet. | Long |
Hintergrund-Klassencode (optional) | Der Klassencodewert, der für alle anderen Klassencodes verwendet wird, wenn relevante Klassencodes angegeben wurden. | Long |
Klassenbeschreibung (optional) | Hier wird beschrieben, was die einzelnen Klassencodes in den Trainingsdaten darstellen. | Value Table |
Kriterien für die Modellauswahl (optional) | Gibt die statistische Grundlage für die Bestimmung des finalen Modells an.
| String |
Maximale Anzahl an Epochen (optional) | Die Anzahl an Durchgängen, die der Datenblock vorwärts und rückwärts durch das neuronale Netzwerk geleitet wird. Die Standardeinstellung ist 25. | Long |
Iterationen pro Epoche (%) (optional) | Der Prozentsatz an Daten, der in jeder Trainingsepoche verarbeitet wird. Die Standardeinstellung ist 100. | Double |
Lernrate (optional) | Die Rate, mit der vorhandene Informationen durch neu erworbene Informationen überschrieben werden. Ist kein Wert angegeben, wird die optimale Lernrate während des Trainingsprozesses aus der Lernkurve extrahiert. Dies ist die Standardeinstellung. | Double |
Batch-Größe (optional) | Die Anzahl an Trainingsdatenblöcken, die jeweils zu einem bestimmten Zeitpunkt verarbeitet werden. Die Standardeinstellung ist 2. | Long |
Training beenden, wenn sich das Modell nicht mehr verbessert (optional) | Gibt an, ob das Modelltraining beendet wird, wenn der für den Parameter Kriterien für die Modellauswahl angegebene Wert nach fünf aufeinanderfolgenden Epochen keine weitere Verbesserung registriert.
| Boolean |
Abgeleitete Ausgabe
Beschriftung | Erläuterung | Datentyp |
Ausgabemodell | Das resultierende Modell, das von diesem Werkzeug erstellt wird | File |
Ausgabe-Modellstatistiken | Die .csv-Datei mit Precision, Recall und F-Maß für die einzelnen Klassencodes und Epochen. | Text File |