Klassificer pixels ved hjælp af Deep Learning
Dette værktøj kører en trænet Deep Learning-model på en inputraster for at frembringe en klassificeret raster, og hver gyldig pixel har en tildelt en klasseetiket.
Hvis afkrydsningsfeltet Brug aktuel kortudstrækning er markeret, er det kun det rasterområde, der er synligt i den aktuelle kortudstrækning, der analyseres. Hvis det ikke er markeret, analyseres hele rasteren, selvom den er uden for den aktuelle kortudstrækning.
Vælg det billede, der bruges skal bruges til at klassificere pixels
Det input-billede, der skal klassificeres.
Det kan være en URL til en billedtjeneste, et rasterlag eller et billedtjenestelag.
Vælg den Deep Learning-model, der skal bruges til at klassificere pixels
Elementet Deep Learning-inputpakken ( .dlpk).
Deep Learning-pakken består af Esri-modeldefinitionens JSON-filen ( .emd), den binære Deep Learning-modelfil, og evt. den Python rasterfunktion, der skal anvendes.
Angiv argumenter for Deep Learning-model
Funktionsargumenterne er defineret i Python raster-funktionsklassen, der refereres til i inputmodellen.. Her angiver du på yderligere Deep learning-parametre og -argumenter for eksperimenter og forfinelse, f.eks. en troværdighedstærskel for justering af følsomheden.
Navnet på argumenterne udfyldes af værktøjet ved at læse Python-modulet på rasteranalyse-serveren.
Navn på resultatlag
Navnet på det lag, som oprettes under Mit indhold og føjes til kortet. Standardnavnet er baseret på navnet på værktøjet og navnet på inputlaget. Hvis laget allerede findes, vil du blive bedt om at angive et andet navn.
Du kan angive navnet på en mappe i Mit indhold, hvor resultatet bliver gemt ved at benytte rullelisten Gem resultat i.