Классифицировать объекты при помощи глубокого обучения (Анализ растра)

Краткая информация

Запускает тренированную модель глубокого обучения для входного растра, чтобы получить классифицированный растр, опубликованный как размещенный слой изображений на вашем портале.

Иллюстрация

Иллюстрация инструмента Классификация пикселов с использованием глубокого обучения

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 (.dlpk) с портала.

  • После выбора или указания входной модели инструмент получит информацию об аргументах модели с сервера анализа растров. Инструмент может не получить доступ к этой информации, если ваша входная модель некорректна или ваш сервер анализа растров настроен с помощью платформы глубокого обучения неправильно.

Параметры

ПодписьОписаниеТип данных
Входной растр

Входное изображение для классификации. Это может быть URL-адрес сервиса изображений, растровый слой, сервис изображений, слой картографического сервера или веб-слой, разделенный на листы.

Raster Layer; Image Service; Map Server; Map Server Layer; Internet Tiled Layer; String
Входная модель

Входные данные это URL-ссылка на элемент пакета глубокого обучения (.dlpk). Он 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
Выходное имя

Имя сервиса изображений классифицированных пикселов.

String
Аргументы модели
(Дополнительный)

Аргументы функции 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. Имена аргументов заполняются инструментом при чтении модуля Python на сервере RA.

Value Table
Режим обработки
(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.

  • Обработка как мозаики изображенийВсе растровые элементы в наборе данных мозаики или сервисе изображений будут объединены в мозаику и обработаны. Используется по умолчанию.
  • Обработка всех растровых элементов отдельноВсе растровые элементы в наборе данных мозаики или сервисе изображений будут обработаны как отдельные изображения.
String

Производные выходные данные

ПодписьОписаниеТип данных
Обновленный входной растр

Выходной набор растровых данных.

Raster Layer

arcpy.ra.ClassifyPixelsUsingDeepLearning(inputRaster, inputModel, outputName, {modelArguments}, {processingMode})
ИмяОписаниеТип данных
inputRaster

Входное изображение для классификации. Это может быть URL-адрес сервиса изображений, растровый слой, сервис изображений, слой картографического сервера или веб-слой, разделенный на листы.

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

Входные данные это URL-ссылка на элемент пакета глубокого обучения (.dlpk). Он 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 изображений классифицированных пикселов.

String
modelArguments
[modelArguments,...]
(Дополнительный)

Аргументы функции 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. Имена аргументов заполняются инструментом при чтении модуля Python на сервере RA.

Value Table
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.

  • PROCESS_AS_MOSAICKED_IMAGEВсе растровые элементы в наборе данных мозаики или сервисе изображений будут объединены в мозаику и обработаны. Используется по умолчанию.
  • PROCESS_ITEMS_SEPARATELYВсе растровые элементы в наборе данных мозаики или сервисе изображений будут обработаны как отдельные изображения.
String

Производные выходные данные

ИмяОписаниеТип данных
outRaster

Выходной набор растровых данных.

Raster Layer

Пример кода

ClassifyPixelsUsingDeepLearning, пример 1 (окно Python)

В этом примере растр классифицируется на основе пользовательской классификации пикселов с помощью глубокого обучения в развертывании анализа растров и публикуется в качестве размещенного слоя изображений на портале.

import arcpy

arcpy.ra.ClassifyPixelsUsingDeepLearning(
        "https://myserver/rest/services/landclassification/ImageServer",
        "https://myportal/sharing/rest/content/items/itemId",
"classifiedLand", "padding 0")
ClassifyPixelsUsingDeepLearning, пример 2 (автономный скрипт)

В этом примере растр классифицируется на основе пользовательской классификации пикселов с помощью глубокого обучения в развертывании анализа растров и публикуется в качестве размещенного слоя изображений на портале.

#---------------------------------------------------------------------------
# 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)

Информация о лицензиях

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

Связанные разделы