ディープ ラーニングを使用したピクセルの分類 (Classify Pixels Using Deep Learning) (ラスター解析)

サマリー

入力画像に対してトレーニング済みディープ ラーニング モデルを実行し、ポータルでホスト イメージ レイヤーとして公開される分類ラスターを生成します。

ディープ ラーニングを使用したピクセルの分類 (Classify Pixels Using Deep Learning) ツールの図

使用法

  • RA (ラスター解析) サーバーの Python 環境が、適切なディープ ラーニング フレームワーク Python API (TensorFlow、CNTK など) を使用して構成されている必要があります。

  • このツールを実行すると、RA サーバーがサードパーティのディープ ラーニング Python API (TensorFlow や CNTK など) を呼び出し、指定された Python ラスター関数を使用して、各ラスター タイルを処理します。

  • このツールの入力モデルは、ポータルからのディープ ラーニング パッケージ (*.dlpk) アイテムだけを受け取ります。

  • 入力モデルの選択または指定後、ツールは RA サーバーからモデル引数の情報を取得します。 入力モデルが無効である場合、または RA サーバーがディープ ラーニング フレームワークを使用して適切に構成されていない場合は、ツールがそのような情報を取得できないことがあります。

パラメーター

ラベル説明データ タイプ
入力ラスター

分類する入力イメージ。 これには、イメージ サービスの URL、ラスター レイヤー、イメージ サービス、マップ サーバー レイヤー、またはインターネット タイル レイヤーを指定できます。

Raster Layer; Image Service; Map Server; Map Server Layer; Internet Tiled Layer; String
入力モデル

入力は、ディープ ラーニング パッケージ (*.dlpk) アイテムの URL です。 これには、ディープ ラーニング バイナリ モデル ファイルへのパス、使用される Python ラスター関数へのパス、および他のパラメーター (望ましいタイル サイズやゼロ詰めなど) が含まれます。

File
出力名

分類されたピクセルのイメージ サービスの名前。

String
モデル引数
(オプション)

関数の引数は、入力モデルによって参照される Python ラスター関数クラスで定義されます。 ここでは、実験や調整のための追加のディープ ラーニング パラメーターおよび引数 (感度を調整するための信頼性の閾値など) をリストします。 引数の名前は、ツールが RA サーバー上の Python モジュールを読み取ることによって入力されます。

Value Table
処理モード
(オプション)

モザイク データセットまたはイメージ サービス内のすべてのラスター アイテムを処理する方法を指定します。 入力ラスターがモザイク データセットまたはイメージ サービスである場合、このパラメーターが適用されます。

  • モザイク画像として処理モザイク データセットまたはイメージ サービス内のすべてのラスター アイテムがモザイク化され、処理されます。 これがデフォルトです。
  • すべてのラスター アイテムを個別に処理モザイク データセットまたはイメージ サービス内のすべてのラスター アイテムが、個別の画像として処理されます。
String

派生した出力

ラベル説明データ タイプ
更新された入力ラスター

出力ラスター データセット。

Raster Layer

arcpy.ra.ClassifyPixelsUsingDeepLearning(inputRaster, inputModel, outputName, {modelArguments}, {processingMode})
名前説明データ タイプ
inputRaster

分類する入力イメージ。 これには、イメージ サービスの URL、ラスター レイヤー、イメージ サービス、マップ サーバー レイヤー、またはインターネット タイル レイヤーを指定できます。

Raster Layer; Image Service; Map Server; Map Server Layer; Internet Tiled Layer; String
inputModel

入力は、ディープ ラーニング パッケージ (*.dlpk) アイテムの URL です。 これには、ディープ ラーニング バイナリ モデル ファイルへのパス、使用される Python ラスター関数へのパス、および他のパラメーター (望ましいタイル サイズやゼロ詰めなど) が含まれます。

File
outputName

分類されたピクセルのイメージ サービスの名前。

String
modelArguments
[modelArguments,...]
(オプション)

関数の引数は、入力モデルによって参照される Python ラスター関数クラスで定義されます。 ここでは、実験や調整のための追加のディープ ラーニング パラメーターおよび引数 (感度を調整するための信頼性の閾値など) をリストします。 引数の名前は、ツールが RA サーバー上の Python モジュールを読み取ることによって入力されます。

Value Table
processingMode
(オプション)

モザイク データセットまたはイメージ サービス内のすべてのラスター アイテムを処理する方法を指定します。 入力ラスターがモザイク データセットまたはイメージ サービスである場合、このパラメーターが適用されます。

  • PROCESS_AS_MOSAICKED_IMAGEモザイク データセットまたはイメージ サービス内のすべてのラスター アイテムがモザイク化され、処理されます。 これがデフォルトです。
  • PROCESS_ITEMS_SEPARATELYモザイク データセットまたはイメージ サービス内のすべてのラスター アイテムが、個別の画像として処理されます。
String

派生した出力

名前説明データ タイプ
outRaster

出力ラスター データセット。

Raster Layer

コードのサンプル

ClassifyPixelsUsingDeepLearning (ディープ ラーニングを使用したピクセルの分類) の例 1 (Python ウィンドウ)

この例では、ラスター解析配置でディープ ラーニングを使用して、カスタム ピクセル分類に基づいてラスターを分類し、ラスターをポータルでホスト イメージ レイヤーとして公開します。

import arcpy

arcpy.ra.ClassifyPixelsUsingDeepLearning(
        "https://myserver/rest/services/landclassification/ImageServer",
        "https://myportal/sharing/rest/content/items/itemId",
"classifiedLand", "padding 0")
ClassifyPixelsUsingDeepLearning (ディープ ラーニングを使用したピクセルの分類) の例 2 (スタンドアロン スクリプト)

この例では、ラスター解析配置でディープ ラーニングを使用して、カスタム ピクセル分類に基づいてラスターを分類し、ラスターをポータルでホスト イメージ レイヤーとして公開します。

#---------------------------------------------------------------------------
# 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.ra.ClassifyPixelsUsingDeepLearning(inImage, inModel, outName, modelArgs)

ライセンス情報

  • Basic: 次のものが必要 ArcGIS Image Server
  • Standard: 次のものが必要 ArcGIS Image Server
  • Advanced: 次のものが必要 ArcGIS Image Server

関連トピック