Настройте проект и изучите данные

Для начала вы загрузите проект, содержащий все данные для этого руководства, и откроете его в ArcGIS Pro.

  1. Загрузите пакет Palm_Tree_Detection.

    Файл с именем Palm_Tree_Detection.ppkx загружен на ваш компьютер.

    Примечание:

    Файл .ppkx является пакетом проекта ArcGIS Pro и может содержать карты, данные и другие файлы, которые вы можете открыть в ArcGIS Pro. Подробнее об управлении файлами .ppkx вы можете узнать в Кратком руководстве по пакетам проектов ArcGIS Pro (файлы .ppkx).

  2. Найдите загруженный файл на вашем компьютере. Дважды щелкните Palm_Tree_Detection.ppkx, чтобы открыть его в ArcGIS Pro. При появлении запроса войдите в свою учетную запись ArcGIS.
    Примечание:

    Если у вас нет доступа к ArcGIS Pro или учетной записи организации ArcGIS, см. варианты доступа к программному обеспечению.

    Появится карта, в центре которой находится деревня Коловаи на тонганском острове Тонгатапу. Слой изображения отображается поверх топографической базовой карты.

    Исходный вид проекта

  3. Масштабируйте и перемещайте снимки, чтобы их изучить.

    Обратите внимание на многочисленные пальмы по всему ландшафту.

Снимок был сделан с помощью дрона и ортотрансформирован для устранения искажений. Он имеет высокое разрешение - каждый пиксел представляет собой участок примерно 9 на 9 сантиметров на земле - и довольно четко показывает пальмы и другие объекты. Снимок сделан в формате TIFF с тремя каналами: красным, зеленым и синим, которые вместе образуют изображение в естественных цветах.

Идентификация всех пальм на этом изображении вручную заняла бы очень много времени. Вместо этого вы будете использовать глубокое обучение для их автоматического обнаружения.

Обнаружение пальм с помощью предварительно подготовленной модели глубокого обучения

Вам нужно использовать глубокое обучение для обнаружения пальм на изображениях. Если у вас еще нет доступной модели глубокого обучения, сначала необходимо обучить модель с нуля, снабдив ее большим количеством примеров, чтобы показать модели, что такое пальма. Высокопроизводительные модели могут потребовать рассмотрения десятков тысяч примеров. В качестве альтернативы вы можете использовать модель, которая уже обучена для вас. Вы получите такую модель и примените ее к своим изображениям.

Примечание:

Для использования инструментов глубокого обучения в ArcGIS Pro необходимо, чтобы на вашем компьютере были установлены библиотеки глубокого обучения. Если эти файлы еще не установлены, сохраните проект, закройте ArcGIS Pro и следуйте инструкциям по установке в статье Подготовка к глубокому обучению в ArcGIS Pro. В этих инструкциях вы также можете узнать, как проверить, можно ли запускать рабочие процессы глубокого обучения, используя ваше оборудование и программное обеспечение, а также познакомится с другими советами по использованию. После завершения вы можете открыть проект повторно и продолжить работу с руководством.

В первую очередь вы откроете инструмент Выявить объекты при помощи глубокого обучения.

  1. На ленте, на вкладке Вид в группе Окна щелкните Геообработка.

    Инструмент геообработки

  2. На панели Геообработка в поисковом окне введите Выявить объекты при помощи глубокого обучения. В списке результатов щелкните инструмент Выявить объекты при помощи глубокого обучения, чтобы открыть его.

    Инструмент Выявить объекты при помощи глубокого обучения

  3. Задайте следующие значения параметров инструмента Выявить объекты при помощи глубокого обучения:
    • Для Входного растра выберите Kolovai_imagery.tif.
    • Для Выходных выявленных объектов введите Detected_Palm_Trees.
    • Для Определение модели нажмите кнопку Обзор.

    Значения параметров инструмента Выявить объекты при помощи глубокого обучения

    Теперь вы получите предварительно обученную модель Palm Tree Extraction из ArcGIS Living Atlas of the World.

    Примечание:

    ArcGIS Living Atlas of the World это авторитетный сборник данных ГИС Esri. Он включает в себя растущую библиотеку, содержащую более 50 предварительно обученных моделей глубокого обучения для обнаружения различных объектов - от зданий до кораблей и границ сельскохозяйственных полей.

  4. В окне Определение модели в разделе Портал щелкните Living Atlas. В поисковом окне введите Palm Tree Detection. Выберите Palm Tree Detection и щелкните OK.

    Выбрана модель Palm Tree Detection

    Примечание:

    Вы можете узнать больше о модели Palm Tree Detection, получив ее не сайте ArcGIS Living Atlas. Вы узнаете, что модель предназначена для обнаружения пальм на изображениях высокого разрешения (от 5 до 15 сантиметров), например, на изображениях с дронов. Ожидается, что изображение будет иметь три канала: красный, зеленый и синий (RGB). Эта модель хорошо сочетается с вашими изображениями.

    После выбора модели глубокого обучения, автоматически загрузятся аргументы модели.

  5. В разделе Аргументы сохраните все значения по умолчанию.

    Аргументы модели

    Два аргумента представляют особый интерес:

    • Threshold - Порог 0,5 означает, что обнаруженный объект будет добавлен в выходной набор данных только в том случае, если модель имеет как минимум 50-процентную уверенность в том, что объект действительно является пальмой. Оптимальное пороговое значение ищется путем проб и ошибок.
    • Batch_size - Обнаружение объектов глубокого обучения не может быть выполнено на всем изображении за один раз. Вместо этого инструмент разрезает изображение на мелкие кусочки. Размер пакета 4 означает, что инструмент будет обрабатывать четыре фрагмента изображения одновременно. При запуске инструмента вы можете получить сообщение об ошибке нехватки памяти, поскольку на вашем компьютере недостаточно памяти для этого уровня обработки. В этом случае попробуйте уменьшить значение Batch_size с 4 до 2 или даже 1. Уменьшение этого значения не повлияет на качество модели, а только на эффективность процесса обнаружения модели.

    На данный момент вы сохраните значения по умолчанию для этих двух аргументов.

    Иногда модель обнаруживает объект более одного раза. Не максимальное подавление (NMS) - это дополнительный процесс, который подавляет некоторые обнаруженные объекты при дублировании. Объект, обнаруженный с наибольшей достоверностью, сохраняется, остальные объекты удаляются. В следующем примере изображения пальма была обнаружена дважды. При использовании NMS будет сохранен только один обнаруженный объект.

    Пальма обнаружена дважды

  6. Поставьте отметку рядом с Не максимальным подавлением.
  7. Для Коэффициента максимального перекрытия введите 0.5.

    Опция Не максимальное подавление

    • Параметр Коэффициент максимального перекрытия определяет, насколько сильно должно быть перекрытие между двумя обнаруженными объектами, чтобы они считались дубликатами и чтобы NMS можно было применять. Значение 0,5 означает, что перекрытие должно составлять 50 процентов или более. На следующем примере изображения перекрытие между двумя обнаруженными объектами составляет менее 50 процентов, поэтому они не представляют один и тот же объект, и NMS не будет применено.

      Перекрытие между двумя обнаруженными объектами

  8. Выберите вкладку Параметры среды.
    • Вкладка Параметры среды
  9. Для Типа процессора выберите GPU.
    • Тип процессора установлен как графический процессор
      Примечание:

      В этом учебном пособии предполагается, что ваш компьютер имеет рекомендуемые возможности графического процессора. Если у вас нет графического процессора, вы все равно можете выполнить этот процесс с помощью процессора, но обработка данных займет больше времени. В этом случае выберите опцию CPU.

      На этом этапе вы можете запустить инструмент как есть: он продолжит обнаруживать пальмы по всему изображению Kolovai_imagery.tif, что может занять от 20 минут до 1 часа в зависимости от характеристик вашего компьютера. Для краткости этого урока вы обнаружите пальмы только в небольшой части входного изображения.

  10. На ленте на вкладке Карта в группе Навигация щелкните Закладки и выберите Detection area.

    Закладка Detection area

    Карта приближается к меньшей части Коловаи.

    Меньший экстент на карте

  11. На панели Геообработка на вкладке Параметры среды, в разделе Экстент обработки щелкните кнопку Текущий экстент отображения.

    Кнопка Текущий экстент отображения

    Координаты Сверху, Слева, Справа и Снизу обновляются в соответствии с текущим экстентом, отображаемым на карте.

  12. Примите остальные значения по умолчанию и щелкните Запустить.

    Вы можете отслеживать прогресс выполнения ниже кнопки Запустить и можете щелкнуть Посмотреть подробности, чтобы увидеть больше информации.

    Ссылка Просмотр подробной информации

    Через несколько минут результирующий слой Detected_Palm_Trees появится на панели Содержание и на карте. Это векторный слой, в котором каждый полигон представляет собой пальму.

    Подсказка:

    Если вы получили сообщение об ошибке нехватки памяти, попробуйте уменьшить значение Batch_size с 4 до 2 или даже 1 и запустите процесс еще раз.

    Вы успешно выявили пальмы в районе Коловаи с помощью предварительно обученной модели глубокого обучения.

    Пальмы обнаружены на карте

    Примечание:

    Цвет присваивается случайным образом и может варьироваться.

Назначение стиля результирующему слою и его изучение

Вы измените стиль слоя Detected_Palm_Trees и просмотрите его.

  1. На панели Содержание щелкните символ Detected_Palm_Trees, чтобы отобразить панель Символы.

    Символ Detected_Palm_Trees

  2. На панели Символы, при необходимости, щелкните вкладку Свойства.

    Вкладка Свойства на панели Символы

  3. Для Оформления настройте следующие параметры:
    • В опции Цвет установите Нет цвета.
    • Для Цвета контура выберите ярко-желтый, например Солнечно-желтый.
    • Для Толщины контура выберите 2 pt.

    Параметры на панели Символы

  4. Щелкните Применить.

    Слой обновится с новыми символами.

    • Слой с новыми символами
  5. На карте приблизьтесь к слою Detected_Palm_Trees и изучите его.

    Обнаруженные объекты (увеличено)

    Вы можете видеть, что модель успешно обнаружила большинство пальм, и очень мало случаев ложных срабатываний, когда модель ошибочно обнаружила пальму там, где ее нет.

  6. При желании запустите инструмент Выявить объекты при помощи глубокого обучения еще раз для другого экстента по вашему выбору или всего изображения. Для этого переместитесь и масштабируйте к новому экстенту на карте и щелкните Текущий экстент отображения на вкладке Параметры среды. Затем щелкните Запустить.
    Примечание:

    Выполнение инструмента для всего изображения займет 40 минут или дольше в зависимости от характеристик вашего компьютера.

    В качестве альтернативы, в ваш проект была включена карта, показывающая результирующий слой для всего экстента. Чтобы просмотреть ее, перейдите на панель Каталог, разверните Карты, щелкните правой кнопкой мыши Map_results и выберите Открыть.

    На всем изображении было обнаружено более 12 500 пальм.

  7. При желании поэкспериментируйте с изменением некоторых аргументов и параметров, таких как Threshold и Коэффициент максимального перекрытия.
  8. На панели инструментов Быстрого доступа щелкните кнопку Сохранить, чтобы сохранить проект.

    Кнопка Сохранить

Применение предварительно обученной модели к вашим изображениям

Чтобы применить предварительно обученную модель глубокого обучения к вашим собственным данным, сначала попробуйте использовать рабочий процесс, который вы изучили в этом учебном пособии. Это самый простой подход, позволяющий сразу получить качественные результаты.

Однако вы можете быть не полностью удовлетворены своими первыми результатами. В этом случае есть несколько методов, которые можно применить дальше. Самое главное, вы можете сделать следующее:

  • Измените свои изображения, чтобы они лучше соответствовали ожиданиям предварительно обученной модели (например, если модель обучалась на красно-зелено-синих изображениях, на ваших изображениях должны присутствовать только красные, зеленые и синие каналы, а не инфракрасные или другие спектральные каналы).
  • Обучайте модель глубокого обучения, предоставляя ей несколько примеров собственных данных.

Вы можете узнать об этих мощных подходах в учебном пособии Усовершенствование модели глубокого обучения с помощью трансферного обучения.

В этом учебном пособии вы использовали предварительно обученную модель глубокого обучения из ArcGIS Living Atlas для обнаружения пальм на изображении. Полученный векторный слой можно использовать для оценки количества пальм по всему региону, мониторинга методов ведения сельского хозяйства и оценки предстоящей продуктивности.

Вы можете найти больше учебных пособий в галерее учебных пособий.