ディープ ラーニングを使用したピクセルの分類 (Map Viewer Classic)

ディープ ラーニングを使用したピクセルの分類 ディープ ラーニングを使用したピクセルの分類ツールは、トレーニング済みディープ ラーニング モデルを入力画像に対して実行し、分類ラスターを生成します。

注意:

Map Viewer でこのツールを、ArcGIS Enterprise on Kubernetes で最新のマップ作成ツールを、それぞれ使用できるようになりました。

このツールを実行するには、組織がラスター解析用に構成されている必要があります。

このツールが Map Viewer Classic に表示されない場合は、組織の管理者に問い合わせてください。 お使いのポータルがラスター解析用に構成されていないか、ユーザーに、このツールを実行するのに必要な権限がないことが考えられます。

ワークフロー図

ディープ ラーニングを使用したピクセルの分類ワークフロー

マルチバンド衛星画像をもとに、トレーニング済みディープ ラーニング モデルを使用して土地被覆ラスターを生成します。

使用上の注意

このツールを実行すると、ラスター解析サーバーがサードパーティのディープ ラーニング Python API を呼び出し、指定された Python ラスター関数を使用して、各ラスター タイルを処理します。

このツールの入力ディープ ラーニング モデルは、ポータルに格納されたディープ ラーニング パッケージ (*.dlpk) アイテムである必要があります。 ArcGIS Pro または ArcGIS REST API ラスター解析ツール[ディープ ラーニング モデルのトレーニング (Train Deep Learning Model)] ジオプロセシング ツールを使用して *.dlpk アイテムを生成できます。

入力モデルを選択または指定すると、ラスター解析サーバーからモデル引数情報が取得されます。 モデルが無効であったり、ラスター解析サーバーがディープ ラーニングに対して適切に構成されていなかったりすると、ツールはこの情報を取得できません。

入力 .dlpk アイテムには、Esri モデル定義ファイル (.emd) を含める必要があります。 下記のサンプル .emd ファイルをご参照ください。

{
    "Framework":"TensorFlow",
    "ModelConfiguration":"deeplab",

    "ModelFile":"\\Data\\ImgClassification\\TF\\froz_inf_graph.pb",
    "ModelType":"ImageClassification",
    "ExtractBands":[0,1,2],
    "ImageHeight":513,
    "ImageWidth":513,

    "Classes" : [
        {
            "Value":0,
            "Name":"Evergreen Forest",
            "Color":[0, 51, 0]
         },
         {
            "Value":1,
            "Name":"Grassland/Herbaceous",
            "Color":[241, 185, 137]
         },
         {
            "Value":2,
            "Name":"Bare Land",
            "Color":[236, 236, 0]
         },
         {
            "Value":3,
            "Name":"Open Water",
            "Color":[0, 0, 117]
         },
         {
            "Value":4,
            "Name":"Scrub/Shrub",
            "Color":[102, 102, 0]
         },
         {
            "Value":5,
            "Name":"Impervious Surface",
            "Color":[236, 236, 236]
         }
    ]
}

[現在のマップ範囲を使用] がオンの場合、現在のマップ範囲に表示されるピクセルだけが解析されます。 オフの場合は、入力イメージ レイヤー全体が解析されます。

次の表に、このツールのパラメーターを示します。

パラメーター説明
ピクセルの分類に使用する画像を選択

分類される入力画像。

ピクセルの分類に使用するディープ ラーニング モデルを選択

入力ディープ ラーニング パッケージ (*.dlpk) アイテム。

ディープ ラーニング パッケージには、Esri モデル定義 JSON ファイル (*.emd)、ディープ ラーニング バイナリ モデル ファイル、および使用されるオプションの Python ラスター関数が含まれます。

ディープ ラーニング モデルの引数を指定

関数の引数は、入力モデルによって参照される Python ラスター関数で定義されます。 ここでは、調整のための追加のディープ ラーニング パラメーターおよび引数 (感度を調整するための信頼性の閾値など) をリストします。

引数の名前は、ツールが Python モジュールを読み取ることによって入力されます。

処理モード

イメージ サービス内のすべてのラスター アイテムを処理する方法を指定します。

  • [モザイク画像として処理] - イメージ サービス内のすべてのラスター アイテムをモザイク化して処理します。 これがデフォルトです。
  • [すべてのラスター アイテムを別々に処理] - イメージ サービス内のすべてのラスター アイテムを別々のイメージとして処理します。

結果レイヤー名

[マイ コンテンツ] に作成され、マップに追加されるレイヤーの名前。 デフォルトの名前は、ツール名と入力レイヤー名に基づいて設定されます。 レイヤーがすでに存在する場合は、別の名前を指定するよう求められます。

[出力の保存場所] ドロップダウン ボックスを使用して、結果を保存する [マイ コンテンツ] 内のフォルダーの名前を指定できます。

環境

解析環境設定は、ツールの結果に影響する追加パラメーターです。 このツールの解析環境設定にアクセスするには、ツール パネルの上部にある歯車 解析環境 アイコンをクリックします。

このツールでは次の [解析環境] が適用されます。

  • 出力座標系 - 出力レイヤーの座標系を指定します。
  • 範囲 - 解析に使用するエリアを指定します。
  • スナップ対象ラスター - 指定したスナップ対象ラスター レイヤーのセルの配置に一致するように、出力の範囲を調整します。
  • セル サイズ - 出力レイヤーで使用するセル サイズ。
  • 並列処理ファクター - ラスター処理 CPU または GPU インスタンスを制御します。
  • プロセッサー タイプ - データの処理に CPU または GPU のいずれを使用するかを指定します。

類似のツールとラスター関数

画像のピクセルの分類に、ディープ ラーニングを使用したピクセルの分類ツールを使用します。 その他のツールは、類似した問題を解決するのに効果的です。

Map Viewer Classic 解析ツールとラスター関数

ディープ ラーニングを使用したオブジェクトの検出ツールを使用し、画像内のオブジェクトの位置を検出します。 ディープ ラーニングを使用したオブジェクトの分類ツールを使用し、画像のオブジェクトを分類します。

その他の分類オプションについては、Classify または MLClassify ラスター関数を使用します。

ArcGIS Pro 解析ツールとラスター関数

[ディープ ラーニングを使用したピクセルの分類 (Classify Pixels Using Deep Learning)] ジオプロセシング ツールは、Image Analyst ツールボックスで使用できます。 ディープ ラーニング ツールセットのその他のツールは、ディープ ラーニング ワークフローを実行します。

ArcGIS Enterprise 開発者向けのリソース

ArcGIS REST API で作業を行っている場合は、Classify Pixels Using Deep Learning 操作を使用します。

ArcGIS API for Python で作業を行っている場合は、arcgis.learn モジュールでディープ ラーニング タスクを実行 ArcGIS for Python API Web サイト します。