Aprendizaje profundo con la extensión ArcGIS Image Analyst

Disponible con licencia de Image Analyst.

Con la extensión ArcGIS Image Analyst, puede realizar todos los flujos de trabajo de aprendizaje profundo con imágenes en ArcGIS Pro. Utilice herramientas de geoprocesamiento para preparar datos de entrenamiento de imágenes, entrenar una detección de objetos, una clasificación de píxeles o un modelo de clasificación de objetos y producir y revisar los resultados.

Nota:

En este tema se describe el aprendizaje profundo para flujos de trabajo de imágenes que utilizan Image Analyst. Para obtener una descripción general de todas las funcionalidades del aprendizaje profundo en ArcGIS Pro, consulte Aprendizaje profundo en ArcGIS Pro.

El flujo de trabajo se representa en el siguiente diagrama.

Paso	Descripción
	Cree muestras de entrenamiento en el panel Etiquetar objetos para aprendizaje profundo y use la herramienta Exportar datos de entrenamiento para aprendizaje profundo para convertir las muestras en datos de entrenamiento de aprendizaje profundo. Nota: La herramienta Exportar datos de entrenamiento para aprendizaje profundo también se admite con la extensión Spatial Analyst.
	Use la herramienta Entrenar modelo de aprendizaje profundo para entrenar un modelo con PyTorch o entrenar el modelo fuera de ArcGIS Pro con un marco de aprendizaje profundo compatible de terceros.
	Utilice el modelo entrenado para ejecutar la herramienta Detectar objetos con aprendizaje profundo, la herramienta Clasificar píxeles con aprendizaje profundo o la herramienta Clasificar objetos con aprendizaje profundo para generar una salida. Revise y valide los resultados con el panel de atributos y calcule la precisión con la herramienta Calcular precisión para la detección de objetos.

Características y capacidades

Las herramientas de aprendizaje profundo de ArcGIS Pro le permiten aprovechar más funciones que las que ofrecen las técnicas de clasificación de aprendizaje automático estándar.

• Use redes neuronales convolucionales o modelos de aprendizaje profundo para detectar objetos, clasificar objetos o clasificar píxeles de imagen.
• Integrar marcos de modelo de aprendizaje profundo externos, como TensorFlow, PyTorch y Keras.
• Usar un archivo de definición de modelo varias veces para detectar cambios a lo largo del tiempo o detectar objetos en distintas áreas de interés.
• Generar una clase de entidad poligonal que muestre la ubicación de objetos detectados para usarlos en flujos de trabajo o análisis adicionales.
• Aproveche el procesamiento de GPU y el uso de CPU para el procesamiento distribuido.

Primeros pasos con el aprendizaje profundo

La creación y exportación de muestras de entrenamiento se realiza en ArcGIS Pro mediante las herramientas de generación de muestras de entrenamiento estándar. El modelo de aprendizaje profundo se puede entrenar con el marco de PyTorch con la herramienta Entrenar modelo de aprendizaje profundo o se puede entrenar fuera de ArcGIS Pro con otro marco de aprendizaje profundo. Una vez entrenado el modelo, utilice un archivo de definición de modelo de Esri (.emd) para ejecutar herramientas de geoprocesamiento a fin de detectar o clasificar entidades en sus imágenes.

Debe instalar los paquetes de Python de marco de aprendizaje profundo; de lo contrario, se produce un error al agregar el archivo de definición de modelo de Esri a las herramientas de geoprocesamiento de aprendizaje profundo. Para obtener más información sobre cómo instalar estos paquetes, consulte Instalar marcos de aprendizaje profundo para ArcGIS.

1. Cree y exporte muestras de entrenamiento.
   1. Use el panel Etiquetar objetos para aprendizaje profundo o el Administrador de muestras de entrenamiento para seleccionar o crear un esquema de clasificación.
   2. Cree muestras de un sitio de entrenamiento para las entidades o categorías de clase de interés. Guarde el archivo de muestra de entrenamiento.
   3. Ejecute la herramienta de geoprocesamiento Exportar datos de entrenamiento para aprendizaje profundo para convertir las imágenes de origen y las muestras de entrenamiento en datos de entrenamiento de aprendizaje profundo. Las imágenes de origen pueden ser un servicio de imágenes, un dataset de mosaico, un dataset ráster o una carpeta de rásteres. La salida de la herramienta son chips de imagen o muestras que contienen sitios de entrenamiento que se utilizarán para entrenar el modelo de aprendizaje profundo. Una salida adicional de la herramienta es un archivo .emd de plantilla que se debe completar.
2. Entrene el modelo de aprendizaje profundo.
   1. Use la herramienta Entrenar modelo de aprendizaje profundo para entrenar un modelo de aprendizaje profundo utilizando los chips de imagen generados en el paso anterior.
3. Ejecute las herramientas de geoprocesamiento de inferencia en ArcGIS Pro.
   1. Utilice las herramientas de geoprocesamiento Detectar objetos con aprendizaje profundo, Clasificar píxeles con aprendizaje profundo o Clasificar objetos con aprendizaje profundo para procesar las imágenes. Si el modelo entrenado incorporaba funciones ráster de Python personalizadas con variables adicionales, como el relleno o un umbral de confianza para afinar la sensibilidad, estas variables aparecen en el cuadro de diálogo de la herramienta de geoprocesamiento para que las introduzca el usuario. El tipo de datos, como cadena de caracteres o numérico, se especifica en la función ráster de Python. Lo ideal es que los parámetros de inferencia adicionales se limiten a dos.

      El valor del parámetro Definición de modelo de Esri puede ser un archivo JSON de definición de modelo de Esri (.emd) o una cadena de caracteres JSON. Una cadena de caracteres JSON es útil cuando esta herramienta se utiliza en el servidor para pegar la cadena de caracteres JSON, en lugar de cargar el archivo .emd.

      The output of the La herramienta Detectar objetos con aprendizaje profundo es una clase de entidad que muestra los objetos que detecta el modelo. La herramienta Clasificar píxeles con aprendizaje profundo genera un ráster clasificado. La herramienta Clasificar objetos con aprendizaje profundo requiere una clase de entidad e imágenes como datasets de entrada y el resultado es una clase de entidad en la que cada objeto de cada entidad se etiqueta con un nombre de clase.

Después de utilizar un modelo de aprendizaje profundo, es importante revisar los resultados y evaluar la precisión del modelo. Utilice el panel Atributos para revisar los resultados de la inferencia basada en objetos (herramienta Clasificar objetos con aprendizaje profundo o Detectar objetos con aprendizaje profundo). También puede utilizar la herramienta Calcular precisión para la detección de objetos para generar una tabla y un informe para evaluar la precisión.

Para obtener más información sobre los conceptos básicos de aplicaciones de aprendizaje profundo con visión informática, consulte Introducción al aprendizaje profundo.

Para obtener información sobre los requisitos para ejecutar las herramientas de geoprocesamiento y los problemas que pueden presentarse, consulte Preguntas frecuentes sobre el aprendizaje profundo.

Recursos para desarrolladores

Además de las herramientas de geoprocesamiento y los flujos de trabajo disponibles en ArcGIS Pro, también puede realizar tareas de aprendizaje profundo en scripts y notebooks. Si está trabajando en API REST de ArcGIS, utilice las tareas de aprendizaje profundo disponibles con el servicio de análisis de ráster. Estas tareas equivalen a las herramientas de geoprocesamiento disponibles, pero permiten el procesamiento distribuido según la configuración de procesamiento.

Si está trabajando en ArcGIS API for Python, dispone de muchas tareas de aprendizaje profundo adicionales con el módulo arcgis.learn.