Disponible con Image Server
La herramienta Detectar cambios con aprendizaje profundo usa un modelo de aprendizaje profundo entrenado para detectar cambios entre dos capas ráster.
La salida es una capa de imágenes alojada.
Ejemplo
A partir de dos capas de imágenes espectralmente similares y un modelo de aprendizaje profundo que indica las áreas que han cambiado, detecte las áreas que han cambiado entre las dos capas de imágenes.
Notas de uso
La herramienta Detectar objetos con aprendizaje profundo cuenta con configuraciones para capa de entrada, configuración del modelo y capa de resultados.
Capas de entrada
El grupo Capas de entrada incluye los siguientes parámetros:
- El ráster de entrada antes del cambio es la capa de imágenes que representa la capa de imágenes anterior. La capa de imágenes seleccionada debe basarse en los requisitos del modelo de aprendizaje profundo que se usará para clasificar los píxeles.
- El ráster de entrada tras el cambio es la capa de imágenes que representa la capa de imágenes posterior. La capa de imágenes seleccionada debe basarse en los requisitos del modelo de aprendizaje profundo que se usará para clasificar los píxeles.
Configuración del modelo
El grupo Configuración del modelo incluye los siguientes parámetros:
- Modelo para la detección de cambios es el modelo de aprendizaje profundo que se utilizará para detectar el cambio. El modelo de aprendizaje profundo debe publicarse como un elemento del paquete de aprendizaje profundo (DLPK) para poder seleccionarlo en la herramienta. Puede seleccionar su propio modelo, un modelo disponible públicamente en ArcGIS Online o un modelo de ArcGIS Living Atlas of the World.
Nota:
Los modelos de aprendizaje profundo de ArcGIS Living Atlas of the World se pueden agregar como elementos a su empresa una vez que el administrador de la empresa haya habilitado el acceso al contenido de ArcGIS Living Atlas. El administrador agregará cada modelo a su empresa como un nuevo elemento, y entonces estarán disponibles en la herramienta.
- Argumentos de modelo especifica los argumentos de función definidos en la clase de función ráster de Python. Se enumeran argumentos y parámetros de aprendizaje profundo adicionales para experimentos y refinamiento, como un umbral de confianza para ajustar la sensibilidad. Los nombres de los argumentos se toman del módulo de Python.
Capa de resultados
El grupo Capa de resultados incluye los siguientes parámetros:
- Nombre de salida especifica el nombre de la capa que se crea y se visualiza. 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
- Transformaciones geográficas
- Extensión de procesamiento
Nota:
La extensión de procesamiento predeterminada en Extensión completa.
- Alinear ráster
- Tamaño de celda
- Factor de procesamiento en paralelo
- Tipo de procesador
Salida
La salida es una capa de imágenes temáticas clasificada basada en el esquema de clasificación definido en el modelo de aprendizaje profundo.
Requisitos de uso
Esta herramienta requiere los siguientes tipos de usuario y configuraciones:
- Tipo de usuario de Creator, Professional o Professional Plus
- 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 cambios con aprendizaje profundo en API REST de ArcGIS
- detect_change_using_deep_learning en ArcGIS API for Python.
- Detectar cambios con aprendizaje profundo en ArcGIS Pro.