Сводка
Запускает обученную модель глубокого обучения на входном растре и дополнительном классе пространственных объектов для создания класса объектов или таблицы, где у каждого входного объекта имеется назначенный класс или надпись категории.
Иллюстрация
Использование
Среда Python сервера анализа растров должна быть настроена с использованием надлежащей системы глубокого обучения Python API, такой как Tensorflow, CNTK или подобной.
При запуске этого инструмента ваш сервер анализа растров вызывает сторонний API Python для глубокого обучения (например, TensorFlow или CNTK) и использует указанную функцию растра Python для обработки каждого растрового листа.
Входная модель данного инструмента будет брать элемент пакета глубокого обучения (файл .dlpk) с портала.
После выбора или указания входной модели инструмент получит информацию о аргументах модели с сервера анализа растров. Инструмент может не получить такую информацию, если ваша входная модель неверна или ваш сервер анализа растров неправильно настроен с помощью платформы глубокого обучения.
Синтаксис
arcpy.ra.ClassifyObjectsUsingDeepLearning(inputRaster, inputModel, outputName, {inputFeatures}, {modelArguments}, {classLabelField}, {processingMode})| Parameter | Объяснение | Тип данных |
inputRaster | Входное изображение для классификации. В качестве изображения может использоваться URL сервиса изображений, растровый слой, сервис изображений, слой картографического сервера или веб-слой, разделенный на листы. | Raster Layer; Image Service; MapServer; Map Server Layer; Internet Tiled Layer; String |
inputModel | Модель глубокого обучения, которая будет использоваться для классификации объектов на входном изображении. В качестве входных данных используется URL пакета глубокого обучения (.dlpk), который содержит путь к файлу двоичной модели глубокого обучения, путь к используемой растровой функции Python и другие параметры, такие как предпочтительный размер листа или отступы. | File |
outputName | Имя сервиса объектов, содержащего классифицированные объекты. | String |
inputFeatures (Дополнительный) | Сервис объектов, определяющий местоположение каждого объекта или объекта, подлежащего классификации и надписыванию. Каждая строка входного сервиса объектов представляет отдельный пространственный или непространственный объект. Если входной сервис объектов не задан, то каждое входное изображение будет классифицировано как отдельный объект. Если у входного изображения или изображений есть пространственная привязка, то на выходе этого инструмента будет получен класс векторных объектов, в котором экстент каждого изображения используется в качестве ограничивающей геометрии для любого подписанного класса векторных объектов. Если входное изображение или изображения не имеют пространственной привязки, то на выходе инструмента будет получена таблица, содержащая значения ID изображений и надписи классов для каждого изображения. | Feature Layer; Map Server Layer; String |
modelArguments [modelArguments,...] (Дополнительный) | Аргументы функций модели, используемые для классификации. Они задаются в классе растровой функции Python, на который ссылается входная модель. Там перечисляются дополнительные параметры глубокого обучения и аргументы для экспериментов и улучшения, например, порог достоверности для настройки чувствительности. Названия аргументов заполняются инструментом из модуля Python на сервере Аналитики растра. | Value Table |
classLabelField (Дополнительный) | Имя поля, которое будет содержать надпись класса или категории в выходном классе пространственных объектов. Если имя поля не указано, то в выходном классе пространственных объектов будет сгенерировано новое поле с именем ClassLabel. | String |
processingMode (Дополнительный) | Задает как будут обработаны все растровые элементы в наборе данных мозаики или сервисе изображений. Этот параметр применяется только в том случае, если в качестве входных данных используется наборы данных мозаики или сервис изображений.
| String |
Производные выходные данные
| Name | Объяснение | Тип данных |
| outObjects | Выходной набор объектов. | Набор объектов |
Пример кода
Этот пример классифицирует объекты в растре на основе модели классификации с использованием глубокого обучения в развертывании анализа растров и публикует растр в качестве размещенного слоя изображений на вашем портале.
import arcpy
arcpy.ClassifyObjectsUsingDeepLearning_ra(
"https://myserver/rest/services/Buildings/ImageServer",
"https://myserver/rest/services/Hosted/BuildingFootprints/FeatureServer/0",
"https://myportal/sharing/rest/content/items/itemId", "BuildingDamage",
"batch_size 4", "ClassLabel","PROCESS_AS_MOSAICKED_IMAGE")Этот пример классифицирует объекты в растре на основе модели классификации с использованием глубокого обучения в развертывании анализа растров и публикует растр в качестве размещенного слоя изображений на вашем портале.
#---------------------------------------------------------------------------
# Name: ClassifyObjectsUsingDeepLearning_example02.py
# Requirements: ArcGIS Image Server
# Import system modules
import arcpy
# Set local variables
inputRaster = "https://myserver/rest/services/Buildings/ImageServer"
inputFeatures = "https://myserver/rest/services/Hosted/BuildingFootprints/FeatureServer/0"
inputModel = "https://myportal/sharing/rest/content/items/itemId"
outputName = "BuildingDamage"
modelArguments = "batch_size 4"
classLabelField = "ClassLabel"
processingMode = "PROCESS_AS_MOSAICKED_IMAGE"
# Execute Classify Objects Using Deep Learning
arcpy.ClassifyObjectsUsingDeepLearning_ra(inputRaster, inputFeatures,
inputModel, outputName, modelArguments, classLabelField , processingMode)Environments
Информация о лицензиях
- Basic: Требуется ArcGIS Image Server
- Standard: Требуется ArcGIS Image Server
- Advanced: Требуется ArcGIS Image Server