딥러닝을 사용하여 객체 감지(Detect Objects Using Deep Learning)

이 도구는 입력 래스터에서 숙련된 딥러닝 모델을 실행하여 찾는 객체가 포함된 피처 클래스를 생성합니다. 피처는 찾은 객체 주변의 경계 상자 또는 폴리곤이거나, 객체 중심에 있는 포인트일 수 있습니다.

현재 맵 범위 사용을 선택한 경우 현재 맵 범위 내에 보이는 래스터 영역만 분석됩니다. 이 옵션을 선택하지 않으면 현재 맵 범위가 아닌 경우에도 전체 래스터가 분석됩니다.

객체 감지에 사용되는 이미지 선택

객체 감지에 사용되는 입력 이미지입니다.

입력 딥러닝 패키지( .dlpk) 항목입니다.

딥러닝 패키지는 Esri 모델 정의 JSON 파일( .emd), 딥러닝 이진 모델 파일, 필요한 경우 사용할 파이썬 래스터 함수로 구성됩니다.

함수 인수는 입력 모델에서 참조하는 파이썬 래스터 함수 클래스에 정의됩니다. 여기에서, 민감도를 조정하기 위한 신뢰도 임계값 등의 실험 및 세부 조정에 대한 추가적인 딥러닝 매개변수와 인수를 나열합니다.

인수의 이름은 도구를 통해 래스터 분석 서버에서 파이썬 모듈을 읽어 채워집니다.

비최대값 억제를 수행하며, 중복 객체를 식별하여 신뢰도 값이 낮은 중복 피처는 제거됩니다.

피처 서비스의 필드로, 객체 감지 방법으로 결과로 도출된 신뢰도 점수를 포함합니다.

이 매개변수는 비최대값 억제 매개변수를 선택할 때 필요합니다.

결과 피처 서비스의 클래스 값 필드입니다. 지정하지 않으면 도구는 표준 클래스 값 필드인 Classvalue 및 Value를 사용합니다. 이러한 필드가 없으면 모든 피처가 동일한 객체 클래스로 처리됩니다.

2개의 겹치는 피처에 대한 최대 중첩 비율로, 유니온 영역에서 인터섹트 영역의 비율로 정의됩니다. 기본값은 0입니다.

내 콘텐츠에 생성되고 맵에 추가되는 레이어의 이름입니다. 기본 이름은 도구 이름과 입력 레이어 이름을 기반으로 합니다. 레이어가 이미 있는 경우 다른 이름을 입력하라는 메시지가 나타납니다.

결과 저장: 드롭다운 상자를 사용하여 결과가 저장될 내 콘텐츠에서 폴더 이름을 지정할 수 있습니다.