La herramienta Detectar objetos con aprendizaje profundo utiliza un modelo de aprendizaje profundo para identificar y localizar objetos en una capa de imágenes.
La salida es una capa de entidades alojada.
Ejemplos
La herramienta Detectar objetos con aprendizaje profundo se puede utilizar para identificar huellas de edificios a fin de actualizar los datos fiscales de las propiedades para un grupo de respuesta ante emergencias regional o del gobierno local. La capa de salida de la herramienta es una capa de entidades que puede identificar los edificios de un área. La capa de entidades creada se puede utilizar para hacer coincidir los registros de la propiedad existentes con el fin de registrar la huella de edificio actual de la propiedad.
La herramienta Detectar objetos con aprendizaje profundo se puede utilizar para identificar automóviles en un aparcamiento a fin de contar la asistencia y preparar encuestas de tráfico. La capa de entidades creada se puede utilizar en la herramienta Clasificar objetos con aprendizaje profundo para clasificar el tipo de automóvil detectado.
Notas de uso
La herramienta Detectar objetos con aprendizaje profundo incluye configuraciones para capa de entrada, configuración del modelo y capa de resultados.
Capa de entrada
El grupo Capa de entrada incluye los siguientes parámetros:
- Capa de imágenes o capa de entidades de entrada se utiliza para seleccionar la capa de imágenes o la capa de entidades con adjuntos que se utilizará para detectar los objetos identificados en el modelo de aprendizaje profundo. La capa de imágenes seleccionada debe basarse en los requisitos del modelo de aprendizaje profundo que se usará para clasificar los píxeles.
- Modo de procesamiento describe cómo se procesarán los elementos de ráster de la capa de imágenes. Modo de procesamiento contiene las siguientes opciones:
- Procesar como imagen en mosaico: se creará un mosaico con todos los elementos de ráster del dataset de mosaico o del servicio de imágenes y se procesarán. Esta es la opción predeterminada.
- Procesar todos los elementos de ráster por separado: todos los elementos de ráster del dataset de mosaico o del servicio de imágenes se procesarán como imágenes separadas.
Configuración del modelo
El grupo Configuración del modelo incluye los siguientes parámetros:
- Modelo para la detección de objetos especifica el modelo de aprendizaje profundo utilizado para detectar los objetos. El modelo de aprendizaje profundo debe estar ubicado en ArcGIS Online para seleccionarlo en la herramienta. Puede seleccionar su propio modelo, disponible públicamente en ArcGIS Online o de ArcGIS Living Atlas of the World.
- Argumentos de modelo enumera argumentos y parámetros de aprendizaje profundo adicionales para el refinamiento no definidos en la función ráster de Python por el modelo de entrada, como un umbral de confianza para ajustar la sensibilidad. La herramienta rellena los nombres de los argumentos a partir de la lectura del módulo de Python.
- Supresión no máxima (NMS) determina si se realiza una supresión no máxima para eliminar los objetos duplicados identificados según los valores de confianza.
- Campo de puntuación de confianza especifica el nombre de campo que registrará las puntuaciones de confianza creadas como salida por el método de detección de objetos. Este parámetro está disponible si se habilita Supresión no máxima (NMS).
- Campo de valor de clase es el campo de la capa de entidades de salida que contendrá el valor de la capa de imágenes de entrada. Si no se especifica, la herramienta utiliza los campos de valor de clase estándar Classvalue y Value. Si estos campos no existen, todas las entidades se tratan como la misma clase de objeto. Este parámetro está disponible si se habilita Supresión no máxima (NMS).
- Máx. ratio de superposición define el ratio del área de intersección sobre el área de combinación para dos entidades superpuestas. El valor predeterminado es 0. Este parámetro está disponible si se habilita Supresión no máxima (NMS).
Capa de resultados
El grupo Capa de resultados incluye los siguientes parámetros:
- El Nombre de salida determina el nombre de la capa que se crea y se agrega al mapa. El nombre debe ser único. Si ya existe una capa con el mismo nombre en su organización, la herramienta fallará y se le pedirá que utilice otro nombre.
- Guardar en carpeta especifica el nombre de una carpeta de Mi contenido en la que se guardará el resultado.
Entornos
La configuración del entorno de análisis cuenta con parámetros adicionales que afectan a los resultados de una herramienta. Puede acceder a la configuración del entorno de análisis de la herramienta desde el grupo de parámetros Configuración del entorno.
Esta herramienta respeta estos entornos de análisis:
- Sistema de coordenadas de salida
- Extensión de procesamiento
Nota:
La extensión de procesamiento predeterminada en Visor de mapas es la extensión completa. Este valor predeterminado es diferente de Map Viewer Classic, en donde Usar extensión de mapa actual está habilitado de forma predeterminada.
- Tamaño de celda
- Máscara
- Factor de procesamiento en paralelo
- Tipo de procesador
Salidas
La salida es una capa de entidades con cada objeto detectado como una entidad individual con el valor de clase y campos de confianza agregados.
Requisitos de uso
Esta herramienta requiere las siguientes licencias y configuraciones:
- Tipo de usuario Creator o GIS Professional
- Rol de publicador o administrador, o rol personalizado equivalente
- Disponible cuando la organización está configurada para análisis de ráster con una licencia de capacidad premium
Recursos
Utilice los recursos siguientes para más información:
- Detectar objetos con aprendizaje profundo en API REST de ArcGIS
- Función detect_objects en ArcGIS API for Python
- Clasificar objetos con aprendizaje profundo en ArcGIS Enterprise
- Detectar objetos con aprendizaje profundo en ArcGIS Pro