Etiqueta | Explicación | Tipo de datos |
Ráster de entrada | El ráster de entrada en el que se realizará el procesamiento. Si el parámetro Modo se especifica como Solo posprocesar, se necesita un ráster con clasificación binaria para este parámetro. | Raster Layer; Raster Dataset; Mosaic Layer |
Modo | Especifica el modo que se utilizará para el procesamiento del ráster de entrada.
| String |
Localización de salida | La geodatabase de archivos donde se almacenará la salida intermedia de los modelos y la salida posterior final. | Workspace |
Prefijo de salida | Un prefijo que se agregará al nombre de las salidas que se guardarán en la ubicación de salida. El prefijo también se utilizará como el nombre de una capa de grupo que se utilizará para mostrar todas las salidas. | String |
Área de interés (Opcional) | La extensión geográfica que se utilizará para extraer entidades. Solo se extraerán las entidades dentro del área de interés. | Feature Set |
Modelos preentrenados (Opcional) | Los modelos predefinidos de ArcGIS de ArcGIS Living Atlas of the World que se pueden utilizar en el ráster de entrada proporcionado. Este parámetro requiere una conexión a Internet para descargar los modelos predefinidos. | String |
Modelos adicionales (Opcional) | Los modelos de aprendizaje profundo que se pueden utilizar en el ráster de entrada proporcionado y el flujo de trabajo de procesamiento posterior que se utilizarán para archivos de modelo adicionales (.dlpk y .emd). Los flujos de trabajo de posprocesamiento disponibles son los siguientes:
| Value Table |
Umbral de confianza (Opcional) | La confianza mínima del modelo de aprendizaje profundo que se utilizará para detectar objetos. El valor debe estar comprendido entre 0 y 1. | Double |
Guardar salida intermedia (Opcional) | Especifica si las salidas intermedias se guardarán en la ubicación de salida. El término salidas intermedias hace referencia a los resultados generados después de inferenciar el modelo.
| Boolean |
Aumento de tiempo de prueba (Opcional) | Especifica si las predicciones de variantes rotadas y volteadas de la imagen de entrada se fusionarán en la salida final.
| Boolean |
Distancia de zona de influencia (Opcional) | La distancia que se utilizará para crear zonas de influencia de entidades de polilínea antes de utilizarlas en el procesamiento posterior. El valor predeterminado es 15 metros. | Linear Unit |
Ampliar longitud (Opcional) | La distancia máxima que se extenderá un segmento de línea hasta una entidad intersecante. El valor predeterminado es 25 metros. | Linear Unit |
Tolerancia del suavizado (Opcional) | La tolerancia utilizada por el algoritmo de aproximación polinomial con núcleo exponencial (PAEK). El valor predeterminado es 30 metros. | Linear Unit |
Longitud de nodo colgado (Opcional) | La longitud a la que se recortarán los segmentos de línea que no tocan otra línea en ambos extremos (nodos colgados). El valor predeterminado es 5 metros. | Linear Unit |
Entidades de carretera de entrada (Opcional) | Una clase de entidad de carretera que se utilizará para refinar las parcelas. La entrada puede ser una clase de entidad poligonal o de polilínea. | Feature Layer; Feature Class |
Ancho de zona de influencia de carretera (Opcional) | La distancia de zona de influencia que se utilizará para las entidades de carretera de entrada. El valor predeterminado es 5 metros para las entidades de polilínea y 0 metros para las entidades poligonales. | Linear Unit |
Regularizar parcelas (Opcional) | Especifica si las parcelas extraídas se normalizarán eliminando artefactos no deseados en su geometría.
| Boolean |
Flujo de trabajo de procesamiento posterior (Opcional) | Especifica el flujo de trabajo de procesamiento posterior que se utilizará.
| String |
Entidades de salida (Opcional) | La clase de entidad que contiene la salida posprocesada. | Feature Class |
Tolerancia entre parcelas adyacentes (Opcional) | La distancia mínima entre las coordenadas antes de que se consideren iguales. Este parámetro se utiliza para reducir porciones entre parcelas extraídas. El valor predeterminado es 3 metros. | Linear Unit |
Método de regularización (Opcional) | Especifica el método de regularización que se utilizará en el procesamiento posterior.
| String |
Tolerancia (Opcional) | Distancia máxima que la huella regularizada puede desviarse del límite de su entidad original. El valor predeterminado es 1 metro. | Linear Unit |
Solicitar (Opcional) | Especifica el método de segmentación que se utilizará cuando el parámetro Modelos adicionales se establezca en Segmentación de polígonos.
| String |
Entidades de entrada (Opcional) | La clase de entidad en la que se realizará el posprocesamiento. Este parámetro solo se admite cuando el parámetro Flujo de trabajo de posprocesamiento está establecido en Regularización de línea o Regularización de polígono. La clase de entidad en la que se realizará el posprocesamiento. Este parámetro solo se admite cuando el parámetro post_processing_workflow está establecido en Line Regularization o Polygon Regularization. | Feature Layer; Feature Class |
Resumen de salida (Opcional) | La tabla que contendrá una lista de resultados generados junto con sus respectivas rutas. | Table |
Disponible con licencia de Image Analyst.
Resumen
Ejecuta uno o más modelos de aprendizaje profundo preentrenados en un ráster de entrada para extraer entidades y automatizar el procesamiento posterior de las salidas inferenciadas.
Más información sobre cómo funciona Extraer entidades con modelos de IA
Uso
Esta herramienta requiere modelos preentrenados de ArcGIS de ArcGIS Living Atlas of the World o paquetes de modelos de aprendizaje profundo personalizados (archivo .dlpk).
Debe instalar el marco de aprendizaje profundo adecuado para Python en ArcGIS Pro.
Más información sobre cómo instalar un marco de aprendizaje profundo para ArcGIS
El tiempo que tarda la herramienta en producir los resultados depende de lo siguiente:
- El área de interés utilizada para la inferencia
- El número de modelos seleccionados
Para ejecutar esta herramienta se requiere un equipo compuesto por GPU. Si tiene más de una GPU, especifique el entorno de Id. de GPU.
Los casos de uso potenciales para la herramienta incluyen la creación de un mapa base utilizando varios modelos y salidas de modelo de procesamiento posterior que utilizan algoritmos para limpiar las entidades extraídas.
Para obtener información sobre los requisitos para ejecutar esta herramienta y los problemas que pueden presentarse, consulte Preguntas frecuentes sobre el aprendizaje profundo.
Parámetros
ExtractFeaturesUsingAIModels(in_raster, mode, out_location, out_prefix, {area_of_interest}, {pretrained_models}, {additional_models}, {confidence_threshold}, {save_intermediate_output}, {test_time_augmentation}, {buffer_distance}, {extend_length}, {smoothing_tolerance}, {dangle_length}, {in_road_features}, {road_buffer_width}, {regularize_parcels}, {post_processing_workflow}, {out_features}, {parcel_tolerance}, {regularization_method}, {poly_tolerance}, {prompt}, {in_features}, {out_summary})
Nombre | Explicación | Tipo de datos |
in_raster | El ráster de entrada en el que se realizará el procesamiento. Si el parámetro mode se especifica como Only Postprocess, se necesita un ráster con clasificación binaria para este parámetro. | Raster Layer; Raster Dataset; Mosaic Layer |
mode | Especifica el modo que se utilizará para el procesamiento del ráster de entrada.
| String |
out_location | La geodatabase de archivos donde se almacenará la salida intermedia de los modelos y la salida posterior final. | Workspace |
out_prefix | Un prefijo que se agregará al nombre de las salidas que se guardarán en la ubicación de salida. El prefijo también se utilizará como el nombre de una capa de grupo que se utilizará para mostrar todas las salidas. | String |
area_of_interest (Opcional) | La extensión geográfica que se utilizará para extraer entidades. Solo se extraerán las entidades dentro del área de interés. | Feature Set |
pretrained_models [pretrained_models,...] (Opcional) | Los modelos predefinidos de ArcGIS de ArcGIS Living Atlas of the World que se pueden utilizar en el ráster de entrada proporcionado. Este parámetro requiere una conexión a Internet para descargar los modelos predefinidos. | String |
additional_models [additional_models,...] (Opcional) | Los modelos de aprendizaje profundo que se pueden utilizar en el ráster de entrada proporcionado y el flujo de trabajo de procesamiento posterior que se utilizarán para archivos de modelo adicionales (.dlpk y .emd). Los flujos de trabajo de posprocesamiento disponibles son los siguientes:
| Value Table |
confidence_threshold (Opcional) | La confianza mínima del modelo de aprendizaje profundo que se utilizará para detectar objetos. El valor debe estar comprendido entre 0 y 1. | Double |
save_intermediate_output (Opcional) | Especifica si las salidas intermedias se guardarán en la ubicación de salida. El término salidas intermedias hace referencia a los resultados generados después de inferenciar el modelo.
| Boolean |
test_time_augmentation (Opcional) | Especifica si las predicciones de variantes rotadas y volteadas de la imagen de entrada se fusionarán en la salida final.
| Boolean |
buffer_distance (Opcional) | La distancia que se utilizará para crear zonas de influencia de entidades de polilínea antes de utilizarlas en el procesamiento posterior. El valor predeterminado es 15 metros. | Linear Unit |
extend_length (Opcional) | La distancia máxima que se extenderá un segmento de línea hasta una entidad intersecante. El valor predeterminado es 25 metros. | Linear Unit |
smoothing_tolerance (Opcional) | La tolerancia utilizada por el algoritmo de aproximación polinomial con núcleo exponencial (PAEK). El valor predeterminado es 30 metros. | Linear Unit |
dangle_length (Opcional) | La longitud a la que se recortarán los segmentos de línea que no tocan otra línea en ambos extremos (nodos colgados). El valor predeterminado es 5 metros. | Linear Unit |
in_road_features (Opcional) | Una clase de entidad de carretera que se utilizará para refinar las parcelas. La entrada puede ser una clase de entidad poligonal o de polilínea. | Feature Layer; Feature Class |
road_buffer_width (Opcional) | La distancia de zona de influencia que se utilizará para las entidades de carretera de entrada. El valor predeterminado es 5 metros para las entidades de polilínea y 0 metros para las entidades poligonales. | Linear Unit |
regularize_parcels (Opcional) | Especifica si las parcelas extraídas se normalizarán eliminando artefactos no deseados en su geometría.
| Boolean |
post_processing_workflow (Opcional) | Especifica el flujo de trabajo de procesamiento posterior que se utilizará.
| String |
out_features (Opcional) | La clase de entidad que contiene la salida posprocesada. | Feature Class |
parcel_tolerance (Opcional) | La distancia mínima entre las coordenadas antes de que se consideren iguales. Este parámetro se utiliza para reducir porciones entre parcelas extraídas. El valor predeterminado es 3 metros. | Linear Unit |
regularization_method (Opcional) | Especifica el método de regularización que se utilizará en el procesamiento posterior.
| String |
poly_tolerance (Opcional) | Distancia máxima que la huella regularizada puede desviarse del límite de su entidad original. El valor predeterminado es 1 metro. | Linear Unit |
prompt (Opcional) | Especifica el método de segmentación que se utilizará cuando el parámetro additional_models se establezca en Polygon Segmentation.
| String |
in_features (Opcional) | La clase de entidad en la que se realizará el posprocesamiento. Este parámetro solo se admite cuando el parámetro post_processing_workflow está establecido en Line Regularization o Polygon Regularization. | Feature Layer; Feature Class |
out_summary (Opcional) | La tabla que contendrá una lista de resultados generados junto con sus respectivas rutas. | Table |
Muestra de código
Este ejemplo muestra cómo utilizar la función ExtractFeaturesUsingAIModels.
# Name: ExtractFeaturesUsingAIModels.py
# Description: Extract features using pretrained deep learning models on imagery data.
# Import system modules
import arcpy
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
# Set local variables
datapath = "path_to_training_data"
out_gdb = "path_to_gdb"
predictions = "output_prefix"
# Run Extract Features Using AI Models
arcpy.geoai.ExtractFeaturesUsingAIModels(
in_raster=datapath,
mode="Infer and Postprocess",
out_location=out_gdb,
out_prefix=predictions,
pretrained_models="'Building Footprint Extraction - USA'",
save_intermediate_output="TRUE",
buffer_distance="15 Meters",
extend_length="25 Meters",
smoothing_tolerance="30 Meters",
dangle_length="5 Meters",
regularization_method="Right Angles",
poly_tolerance="1 Meters",
prompt="Bounding Box")
Este ejemplo muestra cómo utilizar la función ExtractFeaturesUsingAIModels utilizando Image Analyst.
# Name: ExtractFeaturesUsingAIModels.py
# Description: Extract features using pretrained deep learning models on imagery data.
# Import system modules
import arcpy
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
# Set local variables
datapath = "path_to_training_data"
out_gdb = "path_to_gdb"
predictions = "output_prefix"
# Run Extract Features Using AI Models
arcpy.ia.ExtractFeaturesUsingAIModelsin_raster=datapath,
mode="Infer and Postprocess",
out_location=out_gdb,
out_prefix=predictions,
area_of_interest=None,
pretrained_models="'Building Footprint Extraction - USA'",
additional_models=None,
confidence_threshold=None,
save_intermediate_output="TRUE",
test_time_augmentation=None,
buffer_distance="15 Meters",
extend_length="25 Meters",
smoothing_tolerance="30 Meters",
dangle_length="5 Meters",
in_road_features=None,
road_buffer_width=None,
regularize_parcels=None,
post_processing_workflow="",
out_features=None,
parcel_tolerance=None,
regularization_method="Right Angles",
poly_tolerance="1 Meters")
Entornos
Información de licenciamiento
- Basic: No
- Standard: No
- Advanced: Requiere Image Analyst
Temas relacionados
- Descripción general del conjunto de herramientas Aprendizaje profundo
- Instalar marcos de aprendizaje profundo para ArcGIS
- Entrenar un modelo de aprendizaje profundo
- Argumentos del aprendizaje profundo
- Arquitecturas del modelo de aprendizaje profundo
- Buscar una herramienta de geoprocesamiento
- Clasificar objetos con aprendizaje profundo
- Detectar objetos con aprendizaje profundo