Classer des pixels à l’aide de l’apprentissage profond (Analyse raster)

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

Illustration de l’outil Classer des pixels à l’aide de l’apprentissage profond

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})
ParamètreExplicationType 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.

  • PROCESS_AS_MOSAICKED_IMAGETous les éléments raster figurant dans le jeu de données mosaïque ou le service d’imagerie seront mosaïqués ensemble, puis traités. Il s’agit de l’option par défaut.
  • PROCESS_ITEMS_SEPARATELYTous les éléments raster figurant dans le jeu de données mosaïque ou le service d’imagerie seront traités en tant qu’images séparées.
String

Sortie dérivée

NomExplicationType de données
outRaster

Jeu de données raster en sortie.

Couche raster

Exemple de code

Exemple 1 d’utilisation de l’outil ClassifyPixelsUsingDeepLearning (fenêtre Python)

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")
Exemple 2 d’utilisation de l’outil ClassifyPixelsUsingDeepLearning (script autonome)

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)

Informations de licence

  • Basic: Requiert ArcGIS Image Server
  • Standard: Requiert ArcGIS Image Server
  • Advanced: Requiert ArcGIS Image Server

Rubriques connexes