Mit ArcGIS Pro können Sie die Objekterkennungsmethoden der Statistik oder des maschinellen Lernens zum Erkennen von Features in Punktwolken verwenden.Deep Learning ist ein Typ von maschinellem Lernen, bei dem mehrere Schichten nichtlinearer Verarbeitung für die in einem Modell beschriebene Feature-Identifizierung und Mustererkennung verwendet werden. Sie können Deep-Learning-Modelle mit ArcGIS Pro für die Objekterkennung und Extraktion aus Punktwolken integrieren.
Der Workflow ist im folgenden Diagramm dargestellt.
| Schritt | Beschreibung |
|---|---|
| Im ersten Schritt bei der Verwendung von Deep Learning mit Punktwolken zur Objekterkennung werden die Punktwolkendaten für das Training vorbereitet. |
| Der zweite Schritt besteht darin, ein Deep-Learning-Modell für die Objekterkennung zu trainieren. |
| Im letzten Schritt werden mit dem trainierten Modell Objekte aus einer Punktwolke erkannt. |
Vorbereiten von Punktwolkendaten
Mit dem Werkzeug Trainingsdaten für die Punktwolken-Objekterkennung vorbereiten werden Daten zu Trainings- und Validierungszwecken generiert. Dies ist der erste Schritt bei der Objekterkennung aus Punktwolken. Die Punkte, welche die Objekte darstellen, müssen nicht klassifiziert werden, um im Training-Dataset für die Objekterkennung verwendet zu werden. Die Eingabe-Trainings- und Validierungs-Features sind Multipatch-Rahmen. Jeder Objekttyp, der in der Punktwolke vorhanden ist, sollte in einem Multipatch-Rahmen enthalten sein. Nicht identifizierte Objekte in den Trainings- oder Validierungsdaten bewirken, dass das Modell nicht effektiv lernen kann, wie das Objekt identifiziert wird.
Trainieren von Punktwolkendaten für die Objekterkennung
Verwenden Sie das Geoverarbeitungswerkzeug Punktwolken-Objekterkennungsmodell trainieren, um ein Deep-Learning-Modell für die Objekterkennung zu trainieren. Anhand der Eingabe-Trainings-Daten generiert das Werkzeug ein Modell. Während des Trainingsprozesses werden mehrere Statistiken gemeldet, die Ihnen Informationen darüber liefern, wie gut das Modell Objekte erkennen wird. Überprüfen Sie diese Ergebnisse, bevor Sie mit dem nächsten Erkennungsschritt fortfahren.
Erkennen von Objekten aus Punktwolken
Verwenden Sie das trainierte Modell, um durch Ausführen des Werkzeugs Objekte mithilfe des trainierten Modells in Punktwolke erkennen bestimmte Objekte in einer Punktwolke zu erkennen. Die Punktwolke und das Objekterkennungsmodell werden als Eingabe für das Werkzeug verwendet. Die Ausgabe-Multipatch-Features mit den Rahmen, welche die aus der Eingabe-Punktwolke erkannten Rechtecke umgeben.
Erste Schritte mit Deep Learning
Alle Deep-Learning-Geoverarbeitungswerkzeuge in ArcGIS Pro erfordern die Installation der unterstützten Deep-Learning-Framework-Bibliotheken.
Anweisungen zur Installation von Deep-Learning-Paketen finden Sie in der Anleitung Deep Learning Libraries Installer für ArcGIS Pro.
Hinweis:
Alle Versionen von ArcGIS Pro erfordern bestimmte Version der Deep-Learning-Bibliotheken. Bei einem Upgrade auf ArcGIS Pro müssen Sie die entsprechenden Deep-Learning-Bibliotheken für die jeweilige ArcGIS Pro-Version installieren. Eine Liste der für die einzelnen Versionen erforderlichen Bibliotheken finden Sie in den häufig gestellten Fragen zu Deep Learning in ArcGIS Pro 
.
Anforderungen
- Oben aufgelistete Deep-Learning-Bibliotheken.
- GPU: NVIDIA-GPU mit CUDA-Compute Capability (CC). Die erforderlichen und empfohlenen Versionen von CC werden im Deep-Learning-Bibliotheks-Installer aufgelistet.
- Es sind mindestens 8 GB dedizierter GPU-RAM erforderlich. Dies ist höher als bei der Mindestanforderung für bildbasierte Deep-Learning-Werkzeuge, da die Verarbeitung von Punktwolken mehr Arbeitsspeicher erfordert. Weitere Informationen zu den GPU-Anforderungen finden Sie unter Häufig gestellte Fragen zu Deep Learning.
- ArcGIS 3D Analyst extension-Lizenz