Deteksi Objek Menggunakan Deep Learning
Alat ini menjalankan model deep learning terlatih pada sebuah raster input untuk menghasilkan kelas fitur berisi objek yang ditemukannya. Fitur tersebut bisa jadi kotak atau poligon keliling di sekitar objek yang ditemukan, atau titik di tengah objek.
Jika Gunakan jangkauan peta saat ini dicentang, hanya area raster yang terlihat dalam jangkauan peta saat ini yang akan dianalisis. Jika tidak dicentang, keseluruhan raster akan dianalisis, bahkan jika raster berada di luar jangkauan peta saat ini.
Pilih gambar yang digunakan untuk mendeteksi objek
Gambar input yang digunakan untuk mendeteksi objek.
Pilih model deep learning yang digunakan untuk mendeteksi objek
Item paket deep learning input ( .dlpk).
Paket deep learning terdiri atas file JSON definisi model Esri ( .emd), file model biner deep learning, dan secara opsional, fungsi raster Python yang akan digunakan.
Tentukan argumen model deep learning
Argumen fungsi yang ditentukan dalam kelas fungsi raster Python direferensikan oleh model input. Ini adalah tempat Anda mencantumkan parameter deep learning tambahan dan argumen untuk eksperimen dan perbaikan, seperti misalnya ambang batas keyakinan untuk menyesuaikan sensitivitas.
Nama argumen dikumpulkan oleh alat dari membaca modul Python pada server analisis raster.
Hapus fitur duplikasi dari output (opsional)
Lakukan tekanan non-maksimal, yang mana duplikasi objek diidentifikasi dan fitur duplikat dengan nilai keyakinan lebih rendah akan dihapus.
- Tidak dicentang—Semua objek yang terdeteksi akan berada dalam kelas fitur output. Ini adalah default.
- Dicentang—Hapus semua objek duplikat yang terdeteksi.
Kolom skor tingkat keyakinan
Kolom dalam feature service yang berisi skor keyakinan sebagai output oleh metode deteksi objek.
Parameter ini diperlukan jika Anda memeriksa parameter Tekanan Non Maksimal.
Kolom nilai kelas
Kolom nilai kelas dalam feature service output. Jika tidak ditentukan, alat akan menggunakan kolom nilai kelas standar Classvalue dan Value. Jika kolom-kolom ini tidak ada, semua fitur akan diperlakukan sebagai kelas objek yang sama.
Rasio tumpang tindih maksimal
Rasio tumpang tindih maksimal untuk dua fitur yang saling tumpang tindih, yang ditentukan sebagai rasio area perpotongan di atas area gabungan. Default adalah 0.
Nama layer hasil
Nama layer yang akan dibuat di Konten Saya dan ditambahkan ke peta. Nama default ditetapkan berdasarkan nama alat dan nama layer input. Jika layer tersebut sudah ada, Anda akan diminta untuk memberi nama lain.
Anda dapat menentukan nama folder di Konten Saya tempat hasil akan disimpan menggunakan kotak drop-down Simpan hasil di.