Das Werkzeug Features mit AI-Modellen extrahieren extrahiert mit vortrainierten AI-Modellen relevante Features aus Bilddaten. Bei den AI-Modellen kann es sich um vortrainierte ArcGIS-Modelle aus dem ArcGIS Living Atlas of the World oder um benutzerdefinierte Deep-Learning-Modellpakete (.dlpk) handeln. Das Werkzeug akzeptiert Bilddaten und ermöglicht die Auswahl unter verschiedenen vortrainierten Objekterkennungs- oder Pixelklassifizierungsmodellen, mit denen Features aus den Bilddaten extrahiert werden können. Es können verschiedene Modelle ausgewählt werden, um mehrere relevante Features zu extrahieren. Zusätzlich zur Erkennung von Features und Klassifizierung von Pixeln in den Bilddaten führt das Werkzeug optional eine Nachbearbeitung der Ausgabe durch, um optimierte Ergebnisse zu generieren. Es ist auch möglich, zuvor generierte Ergebnisse mit diesem Werkzeug lediglich nachzubearbeiten. Das Werkzeug erstellt einen Gruppen-Layer, der alle extrahierten Features enthält.
Werkzeug
Das Werkzeug Features mit AI-Modellen extrahieren akzeptiert Luftbilddaten und einen Interessenbereich als Eingabe. Das Werkzeug bestimmt dann den Bilddatentyp, die Anzahl der Bänder und die räumliche Auflösung der Bilddaten und empfiehlt eine Liste vortrainierter ArcGIS-Modelle aus dem ArcGIS Living Atlas of the World, die für das angegebene Raster verwendet werden können. Es kann mehr als ein Modell ausgewählt werden. Sie können auch zu eigenen Deep-Learning-Modellpaketen (.dlpk) navigieren, die auf dem Datenträger vorhanden sind. Anschließend wird mit den Modellen eine Inferenzierung für die Eingabebilddaten durchgeführt, um im Rahmen einer einzigen Ausführung des Werkzeugs Features aus allen Modellen zu extrahieren. Häufig müssen die Ergebnisse von Deep-Learning-Modellen nachbearbeitet werden, um ein optimiertes Ergebnis zu erhalten. So müssen im folgenden Beispiel die extrahierten Gebäude-Polygone vereinfacht (normalisiert) werden, um eine geradlinige Form zu erhalten, und segmentierte Straßen oder Flurstücksgrenzen müssen vektorisiert und optimiert werden, bevor sie fertiggestellt werden.
Das Werkzeug führt automatisch Nachbearbeitungsschritte für vortrainierte ArcGIS-Modelle durch. Diese Nachbearbeitungs-Workflows können auch für andere kompatible Modelle verwendet werden, die mit ArcGIS trainiert wurden. Auf diese Weise lassen sich optimierte Ergebnisse generieren, ohne mehrere Geoverarbeitungswerkzeuge auszuführen.
Nachbearbeitungs-Workflows sind für die Normalisierung von Linien und Flurstücken sowie Polygonen verfügbar. Für die Normalisierung von Linien und Flurstücken können Einzelband-Raster mit binärer Klassifizierung verwendet werden, für die Polygonnormalisierung können nur Polygon-Features verwendet werden. Diese Aspekte müssen bei der Anwendung der Nachbearbeitung auf zusätzliche Modelle berücksichtigt werden. Zur Ausführung der Nachbearbeitungs-Workflows sind Lizenzen für die Erweiterungen 3D Analyst, Spatial Analyst und Production Mapping erforderlich. Falls eine dieser Erweiterungen nicht verfügbar ist, werden die Nachbearbeitungsschritte übersprungen, und vom Werkzeug wird lediglich die Raw-Wert-Ausgabe generiert.
Die vom Werkzeug bereitgestellten Inferenzoptionen werden bei der Inferenz aller Modelle (einschließlich vortrainierter und zusätzlicher Modelle) genutzt. Wird beispielsweise ein Wert von 0,8 als Schwellenwert verwendet, so wird dieser Wert bei der Inferenz aller Modelle in der aktuellen Ausführung des Werkzeugs als Konfidenzschwellenwert verwendet. Analog dazu werden von allen Modellen dieselben Nachbearbeitungsparameter verwendet, wenn mehrere Modelle einen bestimmten Nachbearbeitungs-Workflow verwenden.