Entrenar un modelo de aprendizaje profundo (Image Analyst)

Disponible con licencia de Image Analyst.

Resumen

Entrena un modelo de aprendizaje profundo utilizando la salida de la herramienta Exportar datos de entrenamiento para aprendizaje profundo.

Uso

• Esta herramienta entrena un modelo de aprendizaje profundo con marcos de aprendizaje profundo.

• Para configurar su equipo para usar marcos de aprendizaje profundo en ArcGIS Pro, consulte Instalar marcos de aprendizaje profundo para ArcGIS.

• Si va a entrenar modelos en un entorno sin conexión, consulte Instalación adicional para el entorno sin conexión para obtener más información.

• Esta herramienta también se puede utilizar para ajustar un modelo entrenado existente. Por ejemplo, un modelo existente entrenado para coches se puede ajustar para entrenar un modelo que identifique camiones.

• Para ejecutar esta herramienta utilizando la GPU, establezca el entorno Tipo de procesador en GPU. Si tiene más de una GPU, especifique el entorno de Id. de GPU en su lugar.

• De forma predeterminada, la herramienta utiliza todas las GPU disponibles cuando el parámetro Tipo de modelo se establece en una de las siguientes opciones:

  • ConnectNet
  • Clasificador de entidades
  • MaskRCNN
  • Extractor de carreteras de varias tareas
  • Single Shot Detector
  • U-Net

  Para utilizar una GPU específica, utilice el entorno Id. de GPU.

• Los datos de entrenamiento de entrada para esta herramienta deben incluir las carpetas de imágenes y etiquetas generadas con la herramienta Exportar datos de entrenamiento para aprendizaje profundo.

  La excepción a esto es cuando los datos de entrenamiento utilizan los formatos de metadatos Pascal Visual Object Classes o de los rectángulos KITTI. Para estos dos formatos, los datos de entrenamiento pueden provenir de otras fuentes, pero los chips de imagen deben estar en la carpeta image y las etiquetas correspondientes deben estar en la carpeta labels.

• Especifique las transformaciones fastai para el aumento de datos de los datasets de entrenamiento y validación utilizando el archivo transforms.json, que se encuentra en la misma carpeta que los datos de entrenamiento. A continuación, encontrará un ejemplo de un archivo transforms.json:

  Parámetros de aumento personalizados

  
  {
      "Training": {
          "rotate": {
              "degrees": 30,
              "p": 0.5
          },
          "crop": {
              "size": 224,
              "p": 1,
              "row_pct": "0, 1",
              "col_pct": "0, 1"
          },
          "brightness": {
              "change": "0.4, 0.6"
          },
          "contrast": {
              "scale": "1.0, 1.5"
          },
          "rand_zoom": {
              "scale": "1, 1.2"
          }
      },
      "Validation": {
          "crop": {
              "size": 224,
              "p": 1.0,
              "row_pct": 0.5,
              "col_pct": 0.5
          }
      }
  }

• Para obtener información sobre los requisitos para ejecutar esta herramienta y los problemas que pueden presentarse, consulte Preguntas frecuentes sobre el aprendizaje profundo.

• Para obtener más información sobre el aprendizaje profundo, consulte Aprendizaje profundo con la extensión ArcGIS Image Analyst.

Parámetros

Cuadro de diálogo

Etiqueta	Explicación	Tipo de datos
Datos de entrenamiento de entrada	Carpetas que contienen los chips de imagen, las etiquetas y las estadísticas necesarias para entrenar el modelo. Esta es la salida de la herramienta Exportar datos de entrenamiento para aprendizaje profundo. Se admiten varias carpetas de entrada cuando se cumplen las siguientes condiciones: El tipo de formato de metadatos debe ser teselas clasificadas, teselas etiquetadas, teselas multietiquetadas, clases de objetos visuales Pascal o máscaras RCNN. Todos los datos de entrenamiento deben tener el mismo formato de metadatos. Todos los datos de entrenamiento deben tener el mismo número de bandas.	Folder
Carpeta de salida	La ubicación de la carpeta de salida donde se almacenará el modelo entrenado.	Folder
Máximo de épocas (Opcional)	Número máximo de épocas para las que se entrenará el modelo. Una época máxima de 1 significa que el dataset se enviará hacia delante y hacia atrás a través de la red neuronal una vez. El valor predeterminado es 20.	Long
Tipo de modelo (Opcional)	Especifica el tipo de modelo que se usará para entrenar el modelo de aprendizaje profundo. Detector de bordes BDCN (clasificación de píxeles)—Para entrenar el modelo se utilizará la arquitectura de red en cascada bidireccional (BDCN). Detector de bordes BDCN se utiliza para la clasificación de píxeles. Este enfoque es útil para mejorar la detección de los bordes de los objetos en diferentes escalas. Detector de cambios (clasificación de píxeles)—Se utilizará la arquitectura Detector de cambios para entrenar el modelo. El detector de cambios se utiliza para la clasificación de píxeles. Este enfoque crea un objeto de modelo que utiliza dos imágenes espaciotemporales para crear un ráster clasificado del cambio. Los datos de entrenamiento de entrada para este tipo de modelo utilizan el formato de metadatos Teselas clasificadas. ClimaX (clasificación de píxeles)—Se utilizará la arquitectura ClimaX para entrenar el modelo. Este modelo se utiliza principalmente para el análisis del tiempo y el clima. ClimaX se utiliza para la clasificación de píxeles. Los datos preliminares utilizados para este método son datos multidimensionales. ConnectNet (clasificación de píxeles)—La arquitectura ConnectNet se utilizará para entrenar el modelo. ConnectNet se utiliza para la clasificación de píxeles. Este enfoque resulta útil para la extracción de redes de carreteras de imágenes de satélite. CycleGAN (traducción de imágenes)—Se utilizará la arquitectura CycleGAN para entrenar el modelo. CycleGAN se utiliza para la traducción de imagen a imagen. Este enfoque crea un objeto de modelo que genera imágenes de un tipo a otro. Este enfoque es único porque las imágenes que se van a entrenar no tienen que superponerse. Los datos de entrenamiento de entrada para este tipo de modelo utilizan el formato de metadatos CycleGAN. DeepLabV3 (clasificación de píxeles)—Se utilizará la arquitectura DeepLabV3 para entrenar el modelo. DeepLab se utiliza para la clasificación de píxeles. Orden profundo (seguimiento de objetos)—Se utilizará la arquitectura Orden profundo para entrenar el modelo. El orden profundo se utiliza para detectar objetos en vídeos. El modelo se entrena utilizando fotogramas del vídeo y detecta las clases y los cuadros de delimitación de los objetos en cada fotograma. Los datos de entrenamiento de entrada para este tipo de modelo utilizan el formato de metadatos Imagenet. Mientras que Siam Mask es útil para rastrear un objeto, Deep Sort es útil para formar un modelo para rastrear múltiples objetos. DETReg (detección de objetos)—Se utilizará la arquitectura DETReg para entrenar el modelo. DETReg se utiliza para la detección de objetos. Los datos de entrenamiento de entrada para este tipo de modelo utilizan Pascal Visual Object Classes. Este tipo de modelo hace un uso intensivo de la GPU; requiere una GPU dedicada con al menos 16 GB de memoria para funcionar correctamente. FasterRCNN (detección de objetos)—Se utilizará la arquitectura FasterRCNN para entrenar el modelo. FasterRCNN se utiliza para la detección de objetos. Clasificador de entidad (clasificación de objetos)—Se utilizará la arquitectura Feature Classifier para entrenar el modelo. Feature Classifier se utiliza para la clasificación de objetos o imágenes. Detector de bordes HED (clasificación de píxeles)—La arquitectura de detección de bordes anidados de forma holística (HED) se utilizará para entrenar el modelo. Se utiliza HED Edge Detector para la clasificación de píxeles. Este enfoque es útil para la detección de bordes y límites de objetos. Subtitulador de imágenes (traducción de imágenes)—Se utilizará la arquitectura Subtitulador de imágenes para entrenar el modelo. El subtitulador de imágenes se utiliza para la traducción de imagen a texto. Este enfoque crea un modelo que genera subtítulos de texto para una imagen. MaskRCNN (detección de objetos)—Se utilizará la arquitectura MaskRCNN para entrenar el modelo. MaskRCNN se utiliza para la detección de objetos. Este enfoque se utiliza para la segmentación de instancias, que es una delineación precisa de los objetos de una imagen. Este tipo de modelo se puede utilizar para detectar huellas de edificios. Utiliza el formato de metadatos MaskRCNN para los datos de entrenamiento como entrada. Los valores de clase de los datos de entrenamiento de entrada deben comenzar en 1. Este tipo de modelo solo se puede entrenar con una GPU habilitada para CUDA. MaX-DeepLab (segmentación panóptica)—Se utilizará la arquitectura MaX-DeepLab para entrenar el modelo. Se utiliza MaX-DeepLab para la segmentación panóptica. Este enfoque crea un objeto de modelo que genera imágenes y entidades. Los datos de entrenamiento de entrada para este tipo de modelo utilizan el formato de metadatos de segmentación panóptica. MMDetection (detección de objetos)—Se utilizará la arquitectura MMDetection para entrenar el modelo. MMDetection se utiliza para la detección de objetos. Los formatos de metadatos admitidos son rectángulos Pascal Visual Object Class y rectángulos KITTI. MMSegmentation (clasificación de píxeles)—Se utilizará la arquitectura MMSegmentation para entrenar el modelo. Se utiliza MMSegmentation para la clasificación de píxeles. El formato de metadatos admitido es Teselas clasificadas. Extractor de carreteras de varias tareas (clasificación de píxeles)—Se utilizará la arquitectura de extractor de carreteras de varias tareas para entrenar el modelo. Se utiliza Multi Task Road Extractor para la clasificación de píxeles. Este enfoque resulta útil para la extracción de redes de carreteras de imágenes de satélite. Pix2Pix (traducción de imágenes)—Se utilizará la arquitectura Pix2Pix para entrenar el modelo. Pix2Pix se utiliza para la traducción de imagen a imagen. Este enfoque crea un objeto de modelo que genera imágenes de un tipo a otro. Los datos de entrenamiento de entrada para este tipo de modelo utilizan el formato de metadatos Exportar teselas. Pix2PixHD (traducción de imágenes)—Se utilizará la arquitectura Pix2PixHD para entrenar el modelo. Pix2PixHD se utiliza para la traducción de imagen a imagen. Este enfoque crea un objeto de modelo que genera imágenes de un tipo a otro. Los datos de entrenamiento de entrada para este tipo de modelo utilizan el formato de metadatos Exportar teselas. PSETAE (clasificación de píxeles)—La arquitectura de codificadores de conjuntos de píxeles y autoatención temporal (PSETAE) se utilizará para entrenar el modelo de clasificación de series temporales. PSETAE se utiliza para la clasificación de píxeles. Los datos preliminares utilizados para este método son datos multidimensionales. Red de análisis de escenas piramidales (clasificación de píxeles)—Se utilizará la arquitectura Red de análisis de escenas de pirámide (PSPNET) para entrenar el modelo. PSPNET se utiliza para la clasificación de píxeles. RetinaNet (detección de objetos)—Se utilizará la arquitectura RetinaNet para entrenar el modelo. RetinaNet se utiliza para detectar objetos. Los datos de entrenamiento de entrada para este tipo de modelo utilizan el formato de metadatos Pascal Visual Object Classes. SAMLoRA (clasificación de píxeles)—Para entrenar el modelo se utilizará el modelo de segmentación de cualquier cosa (SAM) con adaptación de rango inferior (LoRA). Este tipo de modelo utiliza SAM como modelo fundacional y se adecuará a una tarea específica con relativamente pocos requisitos informáticos y un dataset más pequeño. Siam Mask (seguimiento de objetos)—Se utilizará la arquitectura Siam Mask para entrenar el modelo. Siam Mask se utiliza para detectar objetos en vídeos. El modelo se entrena utilizando fotogramas del vídeo y detecta las clases y los cuadros de delimitación de los objetos en cada fotograma. Los datos de entrenamiento de entrada de este tipo de modelo utilizan el formato de metadatos MaskRCNN. Single Shot Detector (detección de objetos)—Se utilizará la arquitectura Single Shot Detector (SSD) para entrenar el modelo. SSD se utiliza para la detección de objetos. Los datos de entrenamiento de entrada para este tipo de modelo utilizan el formato de metadatos Pascal Visual Object Classes. Superresolución (traducción de imágenes)—Se utilizará la arquitectura Superresolución para entrenar el modelo. La superresolución se utiliza para la traducción de imagen a imagen. Este enfoque crea un objeto de modelo que aumenta la resolución y mejora la calidad de las imágenes. Los datos de entrenamiento de entrada para este tipo de modelo utilizan el formato de metadatos Exportar teselas. U-Net (clasificación de píxeles)—Se utilizará la arquitectura U-Net para entrenar el modelo. U-Net se utiliza para la clasificación de píxeles. YOLOv3 (detección de objetos)—Se utilizará la arquitectura YOLOv3 para entrenar el modelo. YOLOv3 se utiliza para la detección de objetos.	String
Tamaño de lote (Opcional)	Número de muestras de entrenamiento que se procesarán para el entrenamiento a la vez. Aumentar el tamaño de lote puede mejorar el rendimiento de la herramienta; sin embargo, a medida que aumenta el tamaño del lote, se utiliza más memoria. Cuando no se dispone de suficiente memoria en la GPU para el tamaño de lote establecido, la herramienta intenta estimar y utilizar un tamaño de lote óptimo. Si se produce un error de memoria insuficiente, utilice un tamaño de lote más pequeño.	Long
Argumentos de modelo (Opcional)	La información del parámetro Tipo de modelo se utilizará para rellenar este parámetro. Estos argumentos varían dependiendo de la arquitectura del modelo. A continuación se describen los argumentos de modelo admitidos para los modelos entrenados en ArcGIS. Los modelos preentrenados de ArcGIS y los modelos de aprendizaje profundo personalizados pueden tener argumentos adicionales que son compatibles con las herramientas. Para obtener más información sobre los argumentos que están disponibles para cada tipo de modelo, consulte Argumentos de aprendizaje profundo.	Value Table
Tasa de aprendizaje (Opcional)	Velocidad con la que se sobrescribirá la información existente con información recién adquirida a lo largo del proceso de formación. Si no se especifica ningún valor, el índice de aprendizaje óptimo se extraerá de la curva de aprendizaje durante el proceso de entrenamiento.	Double
Modelo de base (Opcional)	Especifica la red neuronal preconfigurada que se usará como arquitectura para entrenar el nuevo modelo. Este método se conoce como Aprendizaje de transferencia. Además, se pueden especificar las redes neuronales convoluciales compatibles de modelos de imagen PyTorch (timm) utilizando timm como prefijo, por ejemplo, timm:resnet31 , timm:inception_v4 , timm:efficientnet_b3, etc. 1,40625 grados—Esta base se entrenó con imágenes en las que la resolución de cada celda de la cuadrícula cubre un área de 1,40625 grados por 1,40625 grados. Se utiliza para hacer predicciones meteorológicas y climáticas. Esta es una configuración de mayor resolución que permite obtener resultados más precisos, pero requiere más potencia informática. 5,625 grados—Esta base se entrenó con imágenes en las que la resolución de cada celda de la cuadrícula cubre un área de 5,625 grados por 5,625 grados. Se utiliza para hacer predicciones meteorológicas y climáticas. Esta se considera una configuración de baja resolución, pero requiere menos potencia informática. DenseNet-121—El modelo preconfigurado será una red densa entrenada en el dataset Imagenet que contiene más de 1 millón de imágenes y tiene 121 capas de profundidad. A diferencia de ResNET, que combina las capas mediante la suma, DenseNet combina las capas mediante la concatenación. DenseNet-161—El modelo preconfigurado será una red densa entrenada en el dataset Imagenet que contiene más de 1 millón de imágenes y tiene 161 capas de profundidad. A diferencia de ResNET, que combina las capas mediante la suma, DenseNet combina las capas mediante la concatenación. DenseNet-169—El modelo preconfigurado será una red densa entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes y tiene 169 capas de profundidad. A diferencia de ResNET, que combina las capas mediante la suma, DenseNet combina las capas mediante la concatenación. DenseNet-201—El modelo preconfigurado será una red densa entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes y tiene 201 capas de profundidad. A diferencia de ResNET, que combina las capas mediante la suma, DenseNet combina las capas mediante la concatenación. Mobilenet versión 2—El modelo preconfigurado se entrenará en la base de datos de Imagenet, tiene 54 capas de profundidad y está pensado para la informática de dispositivos Edge, ya que usa menos memoria. ResNet-18—El modelo preconfigurado será una red residual entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes y tiene 18 capas de profundidad. ResNet-34—El modelo preconfigurado será una red residual entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes y tiene 34 capas de profundidad. Esta es la opción predeterminada. ResNet-50—El modelo preconfigurado será una red residual entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes y tiene 50 capas de profundidad. ResNet-101—El modelo preconfigurado será una red residual entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes y tiene 101 capas de profundidad. ResNet-152—El modelo preconfigurado será una red residual entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes y tiene 152 capas de profundidad. VGG-11—El modelo preconfigurado será una red neuronal convolucional entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes para clasificar imágenes en 1.000 categorías de objetos y tiene de 11 capas de profundidad. VGG-11 con normalización por lotes—El modelo preconfigurado se basará en la red VGG, pero con normalización por lotes, lo que significa que cada capa de la red estará normalizada. Está entrenado en el dataset de Imagenet y tiene 11 capas. VGG-13—El modelo preconfigurado será una red neuronal convolucional entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes para clasificar imágenes en 1000 categorías de objetos y tiene de 13 capas de profundidad. VGG-13 con normalización por lotes—El modelo preconfigurado se basará en la red VGG, pero con normalización por lotes, lo que significa que cada capa de la red estará normalizada. Está entrenado en el dataset de Imagenet y tiene 13 capas. VGG-16—El modelo preconfigurado será una red neuronal convolucional entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes para clasificar imágenes en 1000 categorías de objetos y tiene de 16 capas de profundidad. VGG-16 con normalización por lotes—El modelo preconfigurado se basará en la red VGG, pero con normalización por lotes, lo que significa que cada capa de la red estará normalizada. Está entrenado en el dataset de Imagenet y tiene 16 capas. VGG-19—El modelo preconfigurado será una red neuronal convolucional entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes para clasificar imágenes en 1000 categorías de objetos y tiene de 19 capas de profundidad. VGG-19 con normalización por lotes—El modelo preconfigurado se basará en la red VGG, pero con normalización por lotes, lo que significa que cada capa de la red estará normalizada. Está entrenado en el dataset de Imagenet y tiene 19 capas. Darknet-53—El modelo preconfigurado será una red neuronal convolucional entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes y tiene 53 capas de profundidad. Reid_v1—El modelo preconfigurado será una red neuronal convolucional entrenada en el dataset de ImageNet utilizado para el rastreo de objetos. Reid_v2—El modelo preconfigurado será una red neuronal convolucional entrenada en el dataset de ImageNet utilizado para el rastreo de objetos. ResNeXt-50—El modelo preconfigurado será una red neuronal convolucional entrenada en el dataset de Imagenet y tendrá 50 capas de profundidad. Se trata de una red neuronal homogénea, lo que reduce el número de hiperparámetros requeridos por las ResNet convencionales. Wide ResNet-50—El modelo preconfigurado será una red neuronal convolucional entrenada en el dataset de Imagenet y tendrá 50 capas de profundidad. Tiene la misma arquitectura que ResNET, pero con más canales. SR3—El modelo preconfigurado utilizará el modelo de superresolución a través del refinamiento repetido (SR3). SR3 adapta los modelos probabilísticos de eliminación de ruido a la generación de imágenes condicional y lleva a cabo la superresolución a través del proceso de eliminación de ruido estocástico. Para obtener más información, consulte Superresolución de imágenes a través del refinamiento repetido en el sitio de arXiv. SR3 U-ViT—Este modelo base se refiere a una implementación específica de la arquitectura basada en Vision Transformer (ViT) diseñada para modelos de difusión dentro de la generación de imágenes y tareas SR3. ViT-B—Se utilizará el modelo de segmentación de cualquier cosa (SAM) con un tamaño de red neuronal básico. Este es el tamaño más pequeño. Para obtener más información, consulte Segmentar cualquier cosa en el sitio de arXiv. ViT-L—Se utilizará el modelo de segmentación de cualquier cosa (SAM) con un tamaño de red neuronal grande. Para obtener más información, consulte Segmentar cualquier cosa en el sitio de arXiv. ViT-H—Se utilizará el modelo de segmentación de cualquier cosa (SAM) con un tamaño de red neuronal enorme. Este es el tamaño más grande. Para obtener más información, consulte Segmentar cualquier cosa en el sitio de arXiv.	String
Modelo preentrenado (Opcional)	Modelo previamente entrenado que se utilizará para ajustar con precisión el nuevo modelo. La entrada es un archivo de definición de modelo Esri (.emd) o un archivo de paquete de aprendizaje profundo (.dlpk). Se puede ajustar un modelo previamente entrenado con clases similares para que se adecue al nuevo modelo. El modelo previamente entrenado se debe haber entrenado con el mismo tipo de modelo y el mismo modelo de base que se utilizará para entrenar el nuevo modelo.	File
Validación % (Opcional)	Porcentaje de muestras de entrenamiento que se utilizarán para validar el modelo. El valor predeterminado es 10.	Double
Detener cuando el modelo deja de mejorar (Opcional)	Especifica si se implementará la parada anticipada. Activado: se implementará la parada anticipada y el entrenamiento del modelo se detendrá cuando el modelo deje de mejorar, independientemente del valor del parámetro Épocas máx. especificado. Esta es la opción predeterminada. Desactivado: la parada anticipada del modelo no se implementará y el entrenamiento del modelo continuará hasta alcanzar el valor del parámetro Épocas máx.	Boolean
Inmovilizar modelo (Opcional)	Especifica si las capas de base del modelo previamente entrenado se inmovilizarán, de modo que los pesos y sesgos permanezcan tal como se diseñaron originalmente. Activado: las capas de base se inmovilizarán y los pesos y sesgos predefinidos no se alterarán en el parámetro Modelo de base. Esta es la opción predeterminada. Desactivado: las capas de base no se inmovilizarán y los pesos y sesos del parámetro Modelo de base se pueden modificar para ajustarse a las muestras de entrenamiento. Esto tarda más tiempo en procesarse, pero generalmente produce mejores resultados.	Boolean
Aumento de datos (Opcional)	Especifica el tipo de aumento de datos que se utilizará. El aumento de datos es una técnica para aumentar artificialmente el conjunto de entrenamiento mediante la creación de copias modificadas de un dataset utilizando los datos existentes. Predeterminado—Se utilizarán los métodos y valores de aumento de datos predeterminados.Los métodos de aumento de datos predeterminados son crop, dihedral_affine, brightness, contrast y zoom. Estos valores predeterminados suelen funcionar bien para las imágenes de satélite. Ninguna—No se utilizará el aumento de datos. Personalizada—Los valores de aumento de datos se especificarán mediante el parámetro Parámetros de aumento. Archivo—Las transformaciones Fastai para el aumento de datos de los dataset de entrenamiento y validación se especificarán utilizando el archivo transforms.json que se encuentra en la misma carpeta que los datos de entrenamiento.Para obtener más información sobre las distintas transformaciones, consulte la visión transforma en el sitio web de fastai.	String
Parámetros de aumento (Opcional)	Especifica el valor de cada transformación en el parámetro de aumento. rotate: la imagen se girará aleatoriamente (en grados) con una probabilidad (p). Si grados es un rango (a,b), se asignará uniformemente un valor de a a b. El valor predeterminado es 30.0; 0.5. brightness: el brillo de la imagen se ajustará aleatoriamente en función del valor de cambio, con una probabilidad (p). Un cambio de 0 transformará la imagen en la más oscura, y un cambio de 1 transformará la imagen en la más clara. Un cambio de 0,5 no ajustará el brillo. Si el cambio es un rango (a,b), el aumento asignará uniformemente un valor de a a b. El valor predeterminado es (0,4,0,6); 1,0. contrast: el contraste de la imagen se ajustará aleatoriamente en función del valor de escala con probabilidad (p). Una escala de 0 transformará la imagen a escala de grises, y una escala mayor que 1 transformará la imagen a supercontraste. Una escala de 1 no ajusta el contraste. Si la escala es un rango (a,b), el aumento asignará uniformemente un valor de a a b. El valor predeterminado es (0,75, 1,5); 1,0. zoom: la imagen se ampliará aleatoriamente en función del valor de la escala. El valor del zoom tiene la forma scale(a,b); p. El valor predeterminado es (1.0, 1.2); 1.0 en el cual p es la probabilidad. Solamente una escala superior a 1,0 ampliará la imagen. Si escala es un rango (a,b), asignará uniformemente un valor de a a b. crop: la imagen se recortará aleatoriamente. El valor del recorte está en la forma size;p;row_pct;col_pct en la cual p es la probabilidad. La posición viene dada por (col_pct, row_pct),, con col_pct y row_pct normalizados entre 0 y 1. Si col_pct o row_pct es un rango (a,b), asignará uniformemente un valor de a a b. El valor predeterminado es chip_size;1.0; (0, 1); (0, 1) en el que 224 es el tamaño de chip por defecto predeterminado.	Value Table
Tamaño de chip (Opcional)	Tamaño de la imagen que se utilizará para entrenar el modelo. Las imágenes se recortarán al tamaño de chip especificado. El tamaño de chip predeterminado coincidirá con el tamaño de tesela de los datos de entrenamiento. Si el tamaño de las teselas x e y son diferentes, se utilizará el valor más pequeño como tamaño predeterminado de la tesela. El tamaño de chip debe ser inferior al tamaño de la tesela x o y más pequeño de todas las imágenes de las carpetas de entrada.	Long
Cambiar tamaño a (Opcional)	Cambia el tamaño de los chips de imagen. Una vez redimensionado el chip, se recortarán los bloques de píxeles del tamaño del chip y se utilizarán para el entrenamiento. Este parámetro solo se aplica a los datos de detección de objetos (PASCAL VOC), clasificación de objetos (teselas etiquetadas) y superresolución. El valor de redimensionamiento suele ser la mitad del valor del tamaño del chip. Si el valor de cambio de tamaño es menor que el valor del tamaño del chip, el valor de cambio de tamaño se utiliza para crear los bloques de píxeles para el entrenamiento.	String
Esquema de inicialización de pesos (Opcional)	Especifica el esquema en el que se inicializarán los pesos para la capa. Para entrenar un modelo con datos multiespectrales, el modelo debe adaptarse a los distintos tipos de bandas disponibles. Esto se hace reinicializando la primera capa del modelo. Este parámetro solamente es aplicable cuando se utilizan imágenes multiespectrales en el modelo. Aleatorio—Los pesos aleatorios se inicializarán para las bandas no RGB, mientras que los pesos preentrenados se conservarán para las bandas RGB. Esta es la opción predeterminada. Banda roja—Los pesos correspondientes a la banda roja de la capa del modelo preentrenado se clonarán para las bandas no RGB, mientras que los pesos preentrenados se conservarán para las bandas RGB. Todos aleatorios—Se inicializarán pesos aleatorios tanto para las bandas RGB como para las bandas no RGB. Esta opción se aplica solamente a las imágenes multiespectrales.	String
Supervisar métrica (Opcional)	Especifica la métrica que se va a supervisar durante el control y la detención anticipada. Pérdida de validación—Se supervisará la pérdida de validación. El modelo se detendrá cuando la pérdida de validación ya no cambie de forma apreciable. Esta es la opción predeterminada. Precisión media—En cada umbral se supervisará la media ponderadade la precisión. El modelo se detendrá cuando este valor no cambie de forma apreciable. Precisión—Se supervisará la relación entre el número de predicciones correctas y el número total de predicciones. El modelo se detendrá cuando este valor no cambie de forma apreciable. Puntuación F1—Se supervisará la combinación de las puntuaciones de precisión y recuperación del modelo. El modelo se detendrá cuando este valor no cambie de forma apreciable. MIoU—Se controlará la media entre la intersección sobre la unión (IoU) de los objetos segmentados sobre todas las imágenes del dataset de prueba. El modelo se detendrá cuando este valor no cambie de forma apreciable. Subdividir—El rendimiento del modelo se supervisará mediante la métrica Dice. El modelo se detendrá cuando este valor no cambie de forma apreciable.El valor puede variar de 0 al 1. El valor 1 corresponde a una coincidencia perfecta de píxeles entre los datos de validación y los datos de entrenamiento. Precisión—Se supervisará la precisión, que mide la exactitud del modelo a la hora de clasificar una muestra como positiva. El modelo se detendrá cuando este valor no cambie de forma apreciable.La precisión es la relación entre el número de muestras positivas clasificadas correctamente y el número total de muestras clasificadas (correcta o incorrectamente). Recuperar—Se supervisará la recuperación, que mide la capacidad del modelo para detectar muestras positivas. El modelo se detendrá cuando este valor no cambie de forma apreciable.Cuanto mayor sea la recuperación, más muestras positivas se detectarán. El valor de recuperación es la relación entre el número de muestras positivas correctamente clasificadas como positivas y el número total de muestras positivas. Corpus bleu—Se supervisará la puntuación bleu del corpus. El modelo se detendrá cuando este valor no cambie de forma apreciable.Esta puntuación se utiliza para calcular la precisión de varias frases, por ejemplo, un párrafo o un documento. Multietiqueta F-beta—Se supervisará la media armónica ponderada de la precisión y la recuperación. El modelo se detendrá cuando este valor no cambie de forma apreciable.A menudo se denomina puntuación F-beta.	String

Salida derivada

Etiqueta	Explicación	Tipo de datos
Modelo de salida	Archivo de modelo entrenado de salida.	File

Python

TrainDeepLearningModel(in_folder, out_folder, {max_epochs}, {model_type}, {batch_size}, {arguments}, {learning_rate}, {backbone_model}, {pretrained_model}, {validation_percentage}, {stop_training}, {freeze}, {augmentation}, {augmentation_parameters}, {chip_size}, {resize_to}, {weight_init_scheme}, {monitor})

Nombre	Explicación	Tipo de datos
in_folder [in_folder,...]	Carpetas que contienen los chips de imagen, las etiquetas y las estadísticas necesarias para entrenar el modelo. Esta es la salida de la herramienta Exportar datos de entrenamiento para aprendizaje profundo. Se admiten varias carpetas de entrada cuando se cumplen las siguientes condiciones: El tipo de formato de metadatos debe ser teselas clasificadas, teselas etiquetadas, teselas multietiquetadas, clases de objetos visuales Pascal o máscaras RCNN. Todos los datos de entrenamiento deben tener el mismo formato de metadatos. Todos los datos de entrenamiento deben tener el mismo número de bandas.	Folder
out_folder	La ubicación de la carpeta de salida donde se almacenará el modelo entrenado.	Folder
max_epochs (Opcional)	Número máximo de épocas para las que se entrenará el modelo. Una época máxima de 1 significa que el dataset se enviará hacia delante y hacia atrás a través de la red neuronal una vez. El valor predeterminado es 20.	Long
model_type (Opcional)	Especifica el tipo de modelo que se usará para entrenar el modelo de aprendizaje profundo. BDCN_EDGEDETECTOR—Para entrenar el modelo se utilizará la arquitectura de red en cascada bidireccional (BDCN). Detector de bordes BDCN se utiliza para la clasificación de píxeles. Este enfoque es útil para mejorar la detección de los bordes de los objetos en diferentes escalas. CHANGEDETECTOR—Se utilizará la arquitectura Detector de cambios para entrenar el modelo. El detector de cambios se utiliza para la clasificación de píxeles. Este enfoque crea un objeto de modelo que utiliza dos imágenes espaciotemporales para crear un ráster clasificado del cambio. Los datos de entrenamiento de entrada para este tipo de modelo utilizan el formato de metadatos Teselas clasificadas. CLIMAX—Se utilizará la arquitectura ClimaX para entrenar el modelo. Este modelo se utiliza principalmente para el análisis del tiempo y el clima. ClimaX se utiliza para la clasificación de píxeles. Los datos preliminares utilizados para este método son datos multidimensionales. CONNECTNET—La arquitectura ConnectNet se utilizará para entrenar el modelo. ConnectNet se utiliza para la clasificación de píxeles. Este enfoque resulta útil para la extracción de redes de carreteras de imágenes de satélite. CYCLEGAN—Se utilizará la arquitectura CycleGAN para entrenar el modelo. CycleGAN se utiliza para la traducción de imagen a imagen. Este enfoque crea un objeto de modelo que genera imágenes de un tipo a otro. Este enfoque es único porque las imágenes que se van a entrenar no tienen que superponerse. Los datos de entrenamiento de entrada para este tipo de modelo utilizan el formato de metadatos CycleGAN. DEEPLAB—Se utilizará la arquitectura DeepLabV3 para entrenar el modelo. DeepLab se utiliza para la clasificación de píxeles. DEEPSORT—Se utilizará la arquitectura Orden profundo para entrenar el modelo. El orden profundo se utiliza para detectar objetos en vídeos. El modelo se entrena utilizando fotogramas del vídeo y detecta las clases y los cuadros de delimitación de los objetos en cada fotograma. Los datos de entrenamiento de entrada para este tipo de modelo utilizan el formato de metadatos Imagenet. Mientras que Siam Mask es útil para rastrear un objeto, Deep Sort es útil para formar un modelo para rastrear múltiples objetos. DETREG—Se utilizará la arquitectura DETReg para entrenar el modelo. DETReg se utiliza para la detección de objetos. Los datos de entrenamiento de entrada para este tipo de modelo utilizan Pascal Visual Object Classes. Este tipo de modelo hace un uso intensivo de la GPU; requiere una GPU dedicada con al menos 16 GB de memoria para funcionar correctamente. FASTERRCNN—Se utilizará la arquitectura FasterRCNN para entrenar el modelo. FasterRCNN se utiliza para la detección de objetos. FEATURE_CLASSIFIER—Se utilizará la arquitectura Feature Classifier para entrenar el modelo. Feature Classifier se utiliza para la clasificación de objetos o imágenes. HED_EDGEDETECTOR—La arquitectura de detección de bordes anidados de forma holística (HED) se utilizará para entrenar el modelo. Se utiliza HED Edge Detector para la clasificación de píxeles. Este enfoque es útil para la detección de bordes y límites de objetos. IMAGECAPTIONER—Se utilizará la arquitectura Subtitulador de imágenes para entrenar el modelo. El subtitulador de imágenes se utiliza para la traducción de imagen a texto. Este enfoque crea un modelo que genera subtítulos de texto para una imagen. MASKRCNN—Se utilizará la arquitectura MaskRCNN para entrenar el modelo. MaskRCNN se utiliza para la detección de objetos. Este enfoque se utiliza para la segmentación de instancias, que es una delineación precisa de los objetos de una imagen. Este tipo de modelo se puede utilizar para detectar huellas de edificios. Utiliza el formato de metadatos MaskRCNN para los datos de entrenamiento como entrada. Los valores de clase de los datos de entrenamiento de entrada deben comenzar en 1. Este tipo de modelo solo se puede entrenar con una GPU habilitada para CUDA. MAXDEEPLAB—Se utilizará la arquitectura MaX-DeepLab para entrenar el modelo. Se utiliza MaX-DeepLab para la segmentación panóptica. Este enfoque crea un objeto de modelo que genera imágenes y entidades. Los datos de entrenamiento de entrada para este tipo de modelo utilizan el formato de metadatos de segmentación panóptica. MMDETECTION—Se utilizará la arquitectura MMDetection para entrenar el modelo. MMDetection se utiliza para la detección de objetos. Los formatos de metadatos admitidos son rectángulos Pascal Visual Object Class y rectángulos KITTI. MMSEGMENTATION—Se utilizará la arquitectura MMSegmentation para entrenar el modelo. Se utiliza MMSegmentation para la clasificación de píxeles. El formato de metadatos admitido es Teselas clasificadas. MULTITASK_ROADEXTRACTOR—Se utilizará la arquitectura de extractor de carreteras de varias tareas para entrenar el modelo. Se utiliza Multi Task Road Extractor para la clasificación de píxeles. Este enfoque resulta útil para la extracción de redes de carreteras de imágenes de satélite. PIX2PIX—Se utilizará la arquitectura Pix2Pix para entrenar el modelo. Pix2Pix se utiliza para la traducción de imagen a imagen. Este enfoque crea un objeto de modelo que genera imágenes de un tipo a otro. Los datos de entrenamiento de entrada para este tipo de modelo utilizan el formato de metadatos Exportar teselas. PIX2PIXHD—Se utilizará la arquitectura Pix2PixHD para entrenar el modelo. Pix2PixHD se utiliza para la traducción de imagen a imagen. Este enfoque crea un objeto de modelo que genera imágenes de un tipo a otro. Los datos de entrenamiento de entrada para este tipo de modelo utilizan el formato de metadatos Exportar teselas. PSETAE—La arquitectura de codificadores de conjuntos de píxeles y autoatención temporal (PSETAE) se utilizará para entrenar el modelo de clasificación de series temporales. PSETAE se utiliza para la clasificación de píxeles. Los datos preliminares utilizados para este método son datos multidimensionales. PSPNET—Se utilizará la arquitectura Red de análisis de escenas de pirámide (PSPNET) para entrenar el modelo. PSPNET se utiliza para la clasificación de píxeles. RETINANET—Se utilizará la arquitectura RetinaNet para entrenar el modelo. RetinaNet se utiliza para detectar objetos. Los datos de entrenamiento de entrada para este tipo de modelo utilizan el formato de metadatos Pascal Visual Object Classes. SAMLORA—Para entrenar el modelo se utilizará el modelo de segmentación de cualquier cosa (SAM) con adaptación de rango inferior (LoRA). Este tipo de modelo utiliza SAM como modelo fundacional y se adecuará a una tarea específica con relativamente pocos requisitos informáticos y un dataset más pequeño. SIAMMASK—Se utilizará la arquitectura Siam Mask para entrenar el modelo. Siam Mask se utiliza para detectar objetos en vídeos. El modelo se entrena utilizando fotogramas del vídeo y detecta las clases y los cuadros de delimitación de los objetos en cada fotograma. Los datos de entrenamiento de entrada de este tipo de modelo utilizan el formato de metadatos MaskRCNN. SSD—Se utilizará la arquitectura Single Shot Detector (SSD) para entrenar el modelo. SSD se utiliza para la detección de objetos. Los datos de entrenamiento de entrada para este tipo de modelo utilizan el formato de metadatos Pascal Visual Object Classes. SUPERRESOLUTION—Se utilizará la arquitectura Superresolución para entrenar el modelo. La superresolución se utiliza para la traducción de imagen a imagen. Este enfoque crea un objeto de modelo que aumenta la resolución y mejora la calidad de las imágenes. Los datos de entrenamiento de entrada para este tipo de modelo utilizan el formato de metadatos Exportar teselas. UNET—Se utilizará la arquitectura U-Net para entrenar el modelo. U-Net se utiliza para la clasificación de píxeles. YOLOV3—Se utilizará la arquitectura YOLOv3 para entrenar el modelo. YOLOv3 se utiliza para la detección de objetos.	String
batch_size (Opcional)	Número de muestras de entrenamiento que se procesarán para el entrenamiento a la vez. Aumentar el tamaño de lote puede mejorar el rendimiento de la herramienta; sin embargo, a medida que aumenta el tamaño del lote, se utiliza más memoria. Cuando no se dispone de suficiente memoria en la GPU para el tamaño de lote establecido, la herramienta intenta estimar y utilizar un tamaño de lote óptimo. Si se produce un error de memoria insuficiente, utilice un tamaño de lote más pequeño.	Long
arguments [arguments,...] (Opcional)	La información del parámetro model_type se utilizará para establecer los valores predeterminados de este parámetro. Estos argumentos varían dependiendo de la arquitectura del modelo. A continuación se describen los argumentos de modelo admitidos para los modelos entrenados en ArcGIS. Los modelos preentrenados de ArcGIS y los modelos de aprendizaje profundo personalizados pueden tener argumentos adicionales que son compatibles con las herramientas. Para obtener más información sobre los argumentos que están disponibles para cada tipo de modelo, consulte Argumentos de aprendizaje profundo.	Value Table
learning_rate (Opcional)	Velocidad con la que se sobrescribirá la información existente con información recién adquirida a lo largo del proceso de formación. Si no se especifica ningún valor, el índice de aprendizaje óptimo se extraerá de la curva de aprendizaje durante el proceso de entrenamiento.	Double
backbone_model (Opcional)	Especifica la red neuronal preconfigurada que se usará como arquitectura para entrenar el nuevo modelo. Este método se conoce como Aprendizaje de transferencia. 1.40625deg—Esta base se entrenó con imágenes en las que la resolución de cada celda de la cuadrícula cubre un área de 1,40625 grados por 1,40625 grados. Se utiliza para hacer predicciones meteorológicas y climáticas. Esta es una configuración de mayor resolución que permite obtener resultados más precisos, pero requiere más potencia informática. 5.625deg—Esta base se entrenó con imágenes en las que la resolución de cada celda de la cuadrícula cubre un área de 5,625 grados por 5,625 grados. Se utiliza para hacer predicciones meteorológicas y climáticas. Esta se considera una configuración de baja resolución, pero requiere menos potencia informática. DENSENET121—El modelo preconfigurado será una red densa entrenada en el dataset Imagenet que contiene más de 1 millón de imágenes y tiene 121 capas de profundidad. A diferencia de ResNET, que combina las capas mediante la suma, DenseNet combina las capas mediante la concatenación. DENSENET161—El modelo preconfigurado será una red densa entrenada en el dataset Imagenet que contiene más de 1 millón de imágenes y tiene 161 capas de profundidad. A diferencia de ResNET, que combina las capas mediante la suma, DenseNet combina las capas mediante la concatenación. DENSENET169—El modelo preconfigurado será una red densa entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes y tiene 169 capas de profundidad. A diferencia de ResNET, que combina las capas mediante la suma, DenseNet combina las capas mediante la concatenación. DENSENET201—El modelo preconfigurado será una red densa entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes y tiene 201 capas de profundidad. A diferencia de ResNET, que combina las capas mediante la suma, DenseNet combina las capas mediante la concatenación. MOBILENET_V2—El modelo preconfigurado se entrenará en la base de datos de Imagenet, tiene 54 capas de profundidad y está pensado para la informática de dispositivos Edge, ya que usa menos memoria. RESNET18—El modelo preconfigurado será una red residual entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes y tiene 18 capas de profundidad. RESNET34—El modelo preconfigurado será una red residual entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes y tiene 34 capas de profundidad. Esta es la opción predeterminada. RESNET50—El modelo preconfigurado será una red residual entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes y tiene 50 capas de profundidad. RESNET101—El modelo preconfigurado será una red residual entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes y tiene 101 capas de profundidad. RESNET152—El modelo preconfigurado será una red residual entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes y tiene 152 capas de profundidad. VGG11—El modelo preconfigurado será una red neuronal convolucional entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes para clasificar imágenes en 1.000 categorías de objetos y tiene de 11 capas de profundidad. VGG11_BN—El modelo preconfigurado se basará en la red VGG, pero con normalización por lotes, lo que significa que cada capa de la red estará normalizada. Está entrenado en el dataset de Imagenet y tiene 11 capas. VGG13—El modelo preconfigurado será una red neuronal convolucional entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes para clasificar imágenes en 1000 categorías de objetos y tiene de 13 capas de profundidad. VGG13_BN—El modelo preconfigurado se basará en la red VGG, pero con normalización por lotes, lo que significa que cada capa de la red estará normalizada. Está entrenado en el dataset de Imagenet y tiene 13 capas. VGG16—El modelo preconfigurado será una red neuronal convolucional entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes para clasificar imágenes en 1000 categorías de objetos y tiene de 16 capas de profundidad. VGG16_BN—El modelo preconfigurado se basará en la red VGG, pero con normalización por lotes, lo que significa que cada capa de la red estará normalizada. Está entrenado en el dataset de Imagenet y tiene 16 capas. VGG19—El modelo preconfigurado será una red neuronal convolucional entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes para clasificar imágenes en 1000 categorías de objetos y tiene de 19 capas de profundidad. VGG19_BN—El modelo preconfigurado se basará en la red VGG, pero con normalización por lotes, lo que significa que cada capa de la red estará normalizada. Está entrenado en el dataset de Imagenet y tiene 19 capas. DARKNET53—El modelo preconfigurado será una red neuronal convolucional entrenada en el dataset de Imagenet que contiene más de 1 millón de imágenes y tiene 53 capas de profundidad. REID_V1—El modelo preconfigurado será una red neuronal convolucional entrenada en el dataset de ImageNet utilizado para el rastreo de objetos. REID_V2—El modelo preconfigurado será una red neuronal convolucional entrenada en el dataset de ImageNet utilizado para el rastreo de objetos. RESNEXT50—El modelo preconfigurado será una red neuronal convolucional entrenada en el dataset de Imagenet y tendrá 50 capas de profundidad. Se trata de una red neuronal homogénea, lo que reduce el número de hiperparámetros requeridos por las ResNet convencionales. WIDE_RESNET50—El modelo preconfigurado será una red neuronal convolucional entrenada en el dataset de Imagenet y tendrá 50 capas de profundidad. Tiene la misma arquitectura que ResNET, pero con más canales. SR3—El modelo preconfigurado utilizará el modelo de superresolución a través del refinamiento repetido (SR3). SR3 adapta los modelos probabilísticos de eliminación de ruido a la generación de imágenes condicional y lleva a cabo la superresolución a través del proceso de eliminación de ruido estocástico. Para obtener más información, consulte Superresolución de imágenes a través del refinamiento repetido en el sitio de arXiv. SR3_UVIT—Este modelo base se refiere a una implementación específica de la arquitectura basada en Vision Transformer (ViT) diseñada para modelos de difusión dentro de la generación de imágenes y tareas SR3. VIT_B—Se utilizará el modelo de segmentación de cualquier cosa (SAM) con un tamaño de red neuronal básico. Este es el tamaño más pequeño. Para obtener más información, consulte Segmentar cualquier cosa en el sitio de arXiv. VIT_L—Se utilizará el modelo de segmentación de cualquier cosa (SAM) con un tamaño de red neuronal grande. Para obtener más información, consulte Segmentar cualquier cosa en el sitio de arXiv. VIT_H—Se utilizará el modelo de segmentación de cualquier cosa (SAM) con un tamaño de red neuronal enorme. Este es el tamaño más grande. Para obtener más información, consulte Segmentar cualquier cosa en el sitio de arXiv. Además, se pueden especificar las redes neuronales convoluciales compatibles de modelos de imagen PyTorch (timm) utilizando timm como prefijo, por ejemplo, timm:resnet31 , timm:inception_v4 , timm:efficientnet_b3, etc.	String
pretrained_model (Opcional)	Modelo previamente entrenado que se utilizará para ajustar con precisión el nuevo modelo. La entrada es un archivo de definición de modelo Esri (.emd) o un archivo de paquete de aprendizaje profundo (.dlpk). Se puede ajustar un modelo previamente entrenado con clases similares para que se adecue al nuevo modelo. El modelo previamente entrenado se debe haber entrenado con el mismo tipo de modelo y el mismo modelo de base que se utilizará para entrenar el nuevo modelo.	File
validation_percentage (Opcional)	Porcentaje de muestras de entrenamiento que se utilizarán para validar el modelo. El valor predeterminado es 10.	Double
stop_training (Opcional)	Especifica si se implementará la parada anticipada. STOP_TRAINING—Se implementará la parada anticipada y el entrenamiento del modelo se detendrá cuando el modelo deje de mejorar, independientemente del valor del parámetro max_epochs especificado. Esta es la opción predeterminada. CONTINUE_TRAINING—La parada anticipada del modelo no se implementará y el entrenamiento del modelo continuará hasta alcanzar el valor del parámetro max_epochs.	Boolean
freeze (Opcional)	Especifica si las capas de base del modelo previamente entrenado se inmovilizarán, de modo que los pesos y sesgos permanezcan tal como se diseñaron originalmente. FREEZE_MODEL—Las capas de base se inmovilizarán y los pesos y sesgos predefinidos no se alterarán en el parámetro backbone_model. Esta es la opción predeterminada. UNFREEZE_MODEL—Las capas de base no se inmovilizarán y los pesos y sesos del parámetro backbone_model se pueden modificar para ajustarse a las muestras de entrenamiento. Esto tarda más tiempo en procesarse, pero generalmente produce mejores resultados.	Boolean
augmentation (Opcional)	Especifica el tipo de aumento de datos que se utilizará. El aumento de datos es una técnica para aumentar artificialmente el conjunto de entrenamiento mediante la creación de copias modificadas de un dataset utilizando los datos existentes. DEFAULT—Se utilizarán los métodos y valores de aumento de datos predeterminados.Los métodos de aumento de datos predeterminados son crop, dihedral_affine, brightness, contrast y zoom. Estos valores predeterminados suelen funcionar bien para las imágenes de satélite. NONE—No se utilizará el aumento de datos. CUSTOM—Los valores de aumento de datos se especificarán mediante el parámetro augmentation_parameters. FILE—Las transformaciones Fastai para el aumento de datos de los dataset de entrenamiento y validación se especificarán utilizando el archivo transforms.json que se encuentra en la misma carpeta que los datos de entrenamiento.Para obtener más información sobre las distintas transformaciones, consulte la visión transforma en el sitio web de fastai.	String
augmentation_parameters [augmentation_parameters,...] (Opcional)	Especifica el valor de cada transformación en el parámetro de aumento. rotate: la imagen se girará aleatoriamente (en grados) con una probabilidad (p). Si grados es un rango (a,b), se asignará uniformemente un valor de a a b. El valor predeterminado es 30.0; 0.5. brightness: el brillo de la imagen se ajustará aleatoriamente en función del valor de cambio, con una probabilidad (p). Un cambio de 0 transformará la imagen en la más oscura, y un cambio de 1 transformará la imagen en la más clara. Un cambio de 0,5 no ajustará el brillo. Si el cambio es un rango (a,b), el aumento asignará uniformemente un valor de a a b. El valor predeterminado es (0,4,0,6); 1,0. contrast: el contraste de la imagen se ajustará aleatoriamente en función del valor de escala con probabilidad (p). Una escala de 0 transformará la imagen a escala de grises, y una escala mayor que 1 transformará la imagen a supercontraste. Una escala de 1 no ajusta el contraste. Si la escala es un rango (a,b), el aumento asignará uniformemente un valor de a a b. El valor predeterminado es (0,75, 1,5); 1,0. zoom: la imagen se ampliará aleatoriamente en función del valor de la escala. El valor del zoom tiene la forma scale(a,b); p. El valor predeterminado es (1.0, 1.2); 1.0 en el cual p es la probabilidad. Solamente una escala superior a 1,0 ampliará la imagen. Si escala es un rango (a,b), asignará uniformemente un valor de a a b. crop: la imagen se recortará aleatoriamente. El valor del recorte está en la forma size;p;row_pct;col_pct en la cual p es la probabilidad. La posición viene dada por (col_pct, row_pct),, con col_pct y row_pct normalizados entre 0 y 1. Si col_pct o row_pct es un rango (a,b), asignará uniformemente un valor de a a b. El valor predeterminado es chip_size;1.0; (0, 1); (0, 1) en el que 224 es el tamaño de chip por defecto predeterminado.	Value Table
chip_size (Opcional)	Tamaño de la imagen que se utilizará para entrenar el modelo. Las imágenes se recortarán al tamaño de chip especificado. El tamaño de chip predeterminado coincidirá con el tamaño de tesela de los datos de entrenamiento. Si el tamaño de las teselas x e y son diferentes, se utilizará el valor más pequeño como tamaño predeterminado de la tesela. El tamaño de chip debe ser inferior al tamaño de la tesela x o y más pequeño de todas las imágenes de las carpetas de entrada.	Long
resize_to (Opcional)	Cambia el tamaño de los chips de imagen. Una vez redimensionado el chip, se recortarán los bloques de píxeles del tamaño del chip y se utilizarán para el entrenamiento. Este parámetro solo se aplica a los datos de detección de objetos (PASCAL VOC), clasificación de objetos (teselas etiquetadas) y superresolución. El valor de redimensionamiento suele ser la mitad del valor del tamaño del chip. Si el valor de cambio de tamaño es menor que el valor del tamaño del chip, el valor de cambio de tamaño se utiliza para crear los bloques de píxeles para el entrenamiento.	String
weight_init_scheme (Opcional)	Especifica el esquema en el que se inicializarán los pesos para la capa. Para entrenar un modelo con datos multiespectrales, el modelo debe adaptarse a los distintos tipos de bandas disponibles. Esto se hace reinicializando la primera capa del modelo. RANDOM—Los pesos aleatorios se inicializarán para las bandas no RGB, mientras que los pesos preentrenados se conservarán para las bandas RGB. Esta es la opción predeterminada. RED_BAND—Los pesos correspondientes a la banda roja de la capa del modelo preentrenado se clonarán para las bandas no RGB, mientras que los pesos preentrenados se conservarán para las bandas RGB. ALL_RANDOM—Se inicializarán pesos aleatorios tanto para las bandas RGB como para las bandas no RGB. Esta opción se aplica solamente a las imágenes multiespectrales. Este parámetro solamente es aplicable cuando se utilizan imágenes multiespectrales en el modelo.	String
monitor (Opcional)	Especifica la métrica que se va a supervisar durante el control y la detención anticipada. VALID_LOSS—Se supervisará la pérdida de validación. El modelo se detendrá cuando la pérdida de validación ya no cambie de forma apreciable. Esta es la opción predeterminada. AVERAGE_PRECISION—En cada umbral se supervisará la media ponderadade la precisión. El modelo se detendrá cuando este valor no cambie de forma apreciable. ACCURACY—Se supervisará la relación entre el número de predicciones correctas y el número total de predicciones. El modelo se detendrá cuando este valor no cambie de forma apreciable. F1_SCORE—Se supervisará la combinación de las puntuaciones de precisión y recuperación del modelo. El modelo se detendrá cuando este valor no cambie de forma apreciable. MIOU—Se controlará la media entre la intersección sobre la unión (IoU) de los objetos segmentados sobre todas las imágenes del dataset de prueba. El modelo se detendrá cuando este valor no cambie de forma apreciable. DICE—El rendimiento del modelo se supervisará mediante la métrica Dice. El modelo se detendrá cuando este valor no cambie de forma apreciable.El valor puede variar de 0 al 1. El valor 1 corresponde a una coincidencia perfecta de píxeles entre los datos de validación y los datos de entrenamiento. PRECISION—Se supervisará la precisión, que mide la exactitud del modelo a la hora de clasificar una muestra como positiva. El modelo se detendrá cuando este valor no cambie de forma apreciable.La precisión es la relación entre el número de muestras positivas clasificadas correctamente y el número total de muestras clasificadas (correcta o incorrectamente). RECALL—Se supervisará la recuperación, que mide la capacidad del modelo para detectar muestras positivas. El modelo se detendrá cuando este valor no cambie de forma apreciable.Cuanto mayor sea la recuperación, más muestras positivas se detectarán. El valor de recuperación es la relación entre el número de muestras positivas correctamente clasificadas como positivas y el número total de muestras positivas. CORPUS_BLEU—Se supervisará la puntuación bleu del corpus. El modelo se detendrá cuando este valor no cambie de forma apreciable.Esta puntuación se utiliza para calcular la precisión de varias frases, por ejemplo, un párrafo o un documento. MULTI_LABEL_FBETA—Se supervisará la media armónica ponderada de la precisión y la recuperación. El modelo se detendrá cuando este valor no cambie de forma apreciable.A menudo se denomina puntuación F-beta.	String

Salida derivada

Nombre	Explicación	Tipo de datos
out_model_file	Archivo de modelo entrenado de salida.	File

Muestra de código

Ejemplo 1 de TrainDeepLearningModel (ventana de Python)

En este ejemplo se entrena un modelo de clasificación de árboles utilizando el enfoque U-Net.

# Import system modules  
import arcpy  
from arcpy.ia import *  
 
# Check out the ArcGIS Image Analyst extension license 
arcpy.CheckOutExtension("ImageAnalyst") 
 
# Execute 
TrainDeepLearningModel(r"C:\DeepLearning\TrainingData\Roads_FC", 
     r"C:\DeepLearning\Models\Fire", 40, "UNET", 16, "# #", None, 
     "RESNET34", None, 10, "STOP_TRAINING", "FREEZE_MODEL")

Ejemplo 2 de TrainDeepLearningModel (script independiente)

En este ejemplo se entrena un modelo de detección de objetos utilizando el enfoque SSD.

# Import system modules  
import arcpy  
from arcpy.ia import *  
 
# Check out the ArcGIS Image Analyst extension license 
arcpy.CheckOutExtension("ImageAnalyst") 
 
#Define input parameters
in_folder = "C:\\DeepLearning\\TrainingData\\Cars" 
out_folder = "C:\\Models\\Cars"
max_epochs = 100
model_type = "SSD"
batch_size = 2
arg = "grids '[4, 2, 1]';zooms '[0.7, 1.0, 1.3]';ratios '[[1, 1], [1, 0.5], [0.5, 1]]'"
learning_rate = 0.003
backbone_model = "RESNET34" 
pretrained_model = "C:\\Models\\Pretrained\\vehicles.emd"
validation_percent = 10
stop_training = "STOP_TRAINING"
freeze = "FREEZE_MODEL"


# Execute
TrainDeepLearningModel(in_folder, out_folder, max_epochs, model_type, 
     batch_size, arg, learning_rate, backbone_model, pretrained_model, 
     validation_percent, stop_training, freeze)

Entornos

Espacio de trabajo actual, Tipo de procesador, Id. de GPU, Espacio de trabajo temporal

Información de licenciamiento

• Basic: Requiere Image Analyst
• Standard: Requiere Image Analyst
• Advanced: Requiere Image Analyst