Résumé
Dans un déploiement d’analyse raster, cet outil exécute un modèle d’apprentissage profond entraîné sur une image en entrée afin de produire un raster classé publié en tant que couche d’imagerie hébergée dans votre portail.
Illustration
Utilisation
L’environnement Python serveur d’analyse raster doit être configuré avec l’API Python de structure d’apprentissage profond appropriée, telle que Tensorflow, CNTK ou une autre similaire.
Lorsque cet outil est en cours d’exécution, votre serveur d’analyse raster appelle une API Python d’apprentissage profond tierce (telle que TensorFlow ou CNTK) et utilise la fonction raster Python spécifiée pour traiter chaque tuile raster.
Le modèle en entrée de cet outil n’extrait qu’un élément de paquetage d’apprentissage profond (.dlpk) du portail.
Une fois le modèle en entrée sélectionné ou spécifié, l’outil récupère les arguments du modèle auprès du serveur d’analyse raster. Il est possible que l’outil ne parvienne pas à récupérer ces informations si votre modèle en entrée n’est pas valide ou si votre serveur d’analyse raster n’est pas correctement configuré avec la structure d’apprentissage profond.
Syntaxe
ClassifyPixelsUsingDeepLearning(inputRaster, inputModel, outputName, {modelArguments}, {processingMode})| Paramètre | Explication | Type de données |
inputRaster | Image en entrée à classer. Il peut s’agir de l’URL d’un service d’imagerie, d’une couche raster, d’un service d’imagerie, d’une couche de serveur de carte ou d’une couche Internet tuilée. | Raster Layer; Image Service; MapServer; Map Server Layer; Internet Tiled Layer; String |
inputModel | L’entrée est l’URL d’un élément de paquetage d’apprentissage profond (.dlpk). Le paramètre contient le chemin d’accès au fichier du modèle binaire d’apprentissage profond, le chemin d’accès à la fonction raster Python à utiliser et d’autres paramètres, tels que le remplissage ou la taille de préférence des tuiles. | File |
outputName | Le nom du service d’imagerie des pixels classés. | String |
modelArguments [modelArguments,...] (Facultatif) | Les arguments de la fonction sont définis dans la classe de fonction raster Python référencée par le modèle en entrée. C’est là que vous répertoriez les paramètres d’apprentissage profond supplémentaires et les arguments des expériences et améliorations, tels qu’un seuil de confiance pour l’ajustement de la sensibilité. Les noms des arguments sont renseignés par l’outil après lecture du module Python dans le serveur d’analyse raster. | Value Table |
processingMode (Facultatif) | Spécifie comment tous les éléments raster figurant dans un jeu de données mosaïque ou un service d’imagerie seront traités. Ce paramètre est appliqué lorsqu’un raster en entrée est un jeu de données mosaïque ou service d’imagerie.
| String |
Sortie dérivée
| Nom | Explication | Type de données |
| outRaster | Jeu de données raster en sortie. | Couche raster |
Exemple de code
Cet exemple classe un raster en fonction d’une classification de pixels personnalisée à l’aide de l’apprentissage profond dans un déploiement d’analyse raster et publie le raster en tant que couche d’imagerie hébergée dans votre portail.
import arcpy
arcpy.ClassifyPixelsUsingDeepLearning_ra(
"https://myserver/rest/services/landclassification/ImageServer",
"https://myportal/sharing/rest/content/items/itemId",
"classifiedLand", "padding 0")Cet exemple classe un raster en fonction d’une classification de pixels personnalisée à l’aide de l’apprentissage profond dans un déploiement d’analyse raster et publie le raster en tant que couche d’imagerie hébergée dans votre portail.
#---------------------------------------------------------------------------
# Name: ClassifyPixelsUsingDeepLearning_example02.py
# Requirements: ArcGIS Image Server
# Import system modules
import arcpy
# Set local variables
inImage = "https://myserver/rest/services/ landclassification/ImageServer"
inModel = "https://myportal/sharing/rest/content/items/itemId"
outName = "classifiedLand"
modelArgs = "padding 0"
# Execute Classified Pixels Using raster analysis tool
arcpy.ClassifyPixelsUsingDeepLearning_ra(inImage, inModel, outName, modelArgs)Environnements
Informations de licence
- Basic: Requiert ArcGIS Image Server
- Standard: Requiert ArcGIS Image Server
- Advanced: Requiert ArcGIS Image Server
Rubriques connexes
Vous avez un commentaire à formuler concernant cette rubrique ?