Pixel mit Deep Learning klassifizieren
Dieses Werkzeug führt ein trainiertes Deep-Learning-Modell auf einem Eingabe-Raster zur Erstellung eines klassifizierten Rasters aus, wobei jedem gültigen Pixel eine Klassenbeschriftung zugewiesen ist.
Wenn die Option Aktuelle Kartenausdehnung verwenden aktiviert ist, wird nur die Raster-Fläche analysiert, die in der aktuellen Kartenausdehnung sichtbar ist. Wenn diese Option deaktiviert ist, wird auch dann das gesamte Raster analysiert, wenn es sich außerhalb der aktuellen Kartenausdehnung befindet.
Bild für die Klassifizierung von Pixeln auswählen
Das zu klassifizierende Eingabebild.
Hierbei kann es sich um die URL für einen Image-Service, einen Raster-Layer oder einen Image-Service-Layer handeln.
Deep-Learning-Modell für die Klassifizierung von Pixeln auswählen
Das Eingabe-Deep-Learning-Paketelement ( .dlpk).
Das Deep-Learning-Paket besteht aus der JSON-Datei mit der Esri Modelldefinition ( .emd), der binären Datei des Deep-Learning-Modells und optional aus der zu verwendenden Python-Raster-Funktion.
Argumente für das Deep-Learning-Modell angeben
Die Funktionsargumente werden in der Python-Raster-Funktionsklasse definiert, die vom Eingabemodell referenziert wird. Hier geben Sie zusätzliche Deep-Learning-Parameter und Argumente für Experimente und Verfeinerungen wie den Konfidenzschwellenwert zur Anpassung der Empfindlichkeit an.
Die Namen der Argumente werden vom Werkzeug durch Lesen des Python-Moduls im Raster-Analyse-Server ausgefüllt.
Name des Ergebnis-Layers
Der Name des Layers, der in Eigene Inhalte erstellt und der Karte hinzugefügt wird. Der Standardname basiert auf dem Werkzeugnamen und dem Namen des Eingabe-Layers. Wenn der Layer bereits vorhanden ist, werden Sie aufgefordert, einen anderen Namen einzugeben.
Sie können den Namen eines Ordners in Eigene Inhalte angeben, in dem das Ergebnis über das Dropdown-Feld Ergebnis speichern in gespeichert wird.