Disponible avec une licence Spatial Analyst.
Résumé
Utilise une image télé-détectée pour convertir un vecteur étiqueté ou des données raster en jeux de données d'apprentissage en profondeur. La sortie est un dossier de fragments d’images, et un dossier de fichiers de métadonnées au format spécifié.
Utilisation
Cet outil crée des jeux de données d’apprentissage en vue de prendre en charge les applications de formation en profondeur tierces, telles que Google TensorFlow ou Microsoft CNTK.
Utilisez vos données d’échantillon d’apprentissage de classification existantes, ou vos données de classes d’entités SIG telles qu’une couche d’emprise de bâtiment, pour gérer les fragments d’image contenant l’échantillon de classe de votre image source. Les fragments d’image sont souvent composés de lignes de 256 pixels et de colonnes de 256 pixels, sauf si la taille de l’échantillon d’apprentissage est plus importante.
Les échantillons d’apprentissage de classe de formation reposent sur de petites images secondaires contenant l’entité ou la classe présentant un intérêt, nommée fragment d’image.
Syntaxe
ExportTrainingDataForDeepLearning (in_raster, out_folder, in_class_data, image_chip_format, {tile_size_x}, {tile_size_y}, {stride_x}, {stride_y}, {output_nofeature_tiles}, {metadata_format}, {start_index})
Paramètre | Explication | Type de données | |||||||||||||||||||||||||||
in_raster | Imagerie source en entrée, généralement une imagerie multispectrale. Les exemples de type d’imagerie source en entrée sont par exemple l’imagerie satellite multispectrale, issue de drones, aérienne ou NAIP (National Agriculture Imagery Program). | Raster Dataset; Raster Layer | |||||||||||||||||||||||||||
out_folder | Indiquez le dossier dans lequel stocker les fragments d’images et les métadonnées. | Directory | |||||||||||||||||||||||||||
in_class_data | Données étiquetées, au format vectoriel ou raster. Les entrées vectorielles doivent suivre un format d’échantillon d’apprentissage, tel que celui généré par la barre d’outils Image Classification (Classification des images) d’ArcGIS Desktop. Les entrées raster doivent suivre un format raster classé, tel que celui généré par l’outil Classer le raster. | Feature Dataset; Feature Layer; Raster Dataset; Raster Layer | |||||||||||||||||||||||||||
image_chip_format | Format raster des fragments d’images en sortie.
| String | |||||||||||||||||||||||||||
tile_size_x (Facultatif) | Taille des fragments d’images, pour la dimension X. | Long | |||||||||||||||||||||||||||
tile_size_y (Facultatif) | Taille des fragments d’images, pour la dimension Y. | Long | |||||||||||||||||||||||||||
stride_x (Facultatif) | Distance de déplacement sur l’axe X lors de la création du prochain fragment d’image. Lorsque le pas est égal à la taille de tuile, il n’y a pas de superposition. Lorsque le pas correspond à la moitié de la taille de tuile, il y a une superposition de 50 %. | Long | |||||||||||||||||||||||||||
stride_y (Facultatif) | Distance de déplacement sur l’axe Y lors de la création du prochain fragment d’image. Lorsque le pas est égal à la taille de tuile, il n’y a pas de superposition. Lorsque le pas correspond à la moitié de la taille de tuile, il y a une superposition de 50 %. | Long | |||||||||||||||||||||||||||
output_nofeature_tiles (Facultatif) | Indiquez si les fragments d’images avec des données étiquetées superposées seront ou non exportés.
| Boolean | |||||||||||||||||||||||||||
metadata_format (Facultatif) | Format des étiquettes de métadonnées en sortie. Il existe 3 options pour les étiquettes de métadonnées en sortie des données d’apprentissage : KITTI Rectangles (Rectangles KITTI), rectangles PASCAL VOC et Classified Tiles (Tuiles classées) (carte de classe). Si les données d’échantillon d’apprentissage en entrée sont une couche de classe d’entités, telle qu’une couche d’emprise de bâtiment ou un fichier d’échantillon d’apprentissage de classification standard, utilisez l’option de rectangle KITTI ou PASCAL VOC. Les métadonnées en sortie sont un fichier .txt ou un fichier .xml comportant les données d’échantillon d’apprentissage contenues dans le rectangle d’emprise minimale. Le nom du fichier de métadonnées correspond à celui de l’image source en entrée. Si les données d’échantillon d’apprentissage en entrée sont une carte de classe, utilisez l’option Classified Tiles (Tuiles classées) comme format de métadonnées en sortie.
La table ci-dessous décrit les 15 valeurs dans le format de métadonnées KITTI. Seulement cinq des quinze valeurs possibles sont utilisées dans l’outil : le nom de la classe (dans la colonne 1), ainsi que le rectangle d’emprise minimale composé de quatre emplacements de coordonnées d’images (colonnes 5-8). Le rectangle d’emprise minimale englobe le fragment d’apprentissage utilisé dans le classificateur d’apprentissage en profondeur.
Pour plus d’informations, reportez-vous à la rubrique sur le format de métadonnées KITTI. Vous trouverez ci-dessous un exemple de jeu de données PASCAL VOC.
Pour plus d’informations, reportez-vous à la rubrique sur PASCAL VOC (PASCAL Visual Object Classes). | String | |||||||||||||||||||||||||||
start_index (Facultatif) | Permet de définir l’index de début pour la séquence de fragments d’images. Cela permet d’ajouter davantage de fragments d’image à une séquence existante. La valeur par défaut est 0. | Long |
Exemple de code
Exemple 1 d'utilisation de l'outil ExportTrainingDataForDeepLearning (fenêtre Python)
Cet exemple permet de créer des échantillons d’apprentissage pour la formation en profondeur.
from arcpy.sa import *
ExportTrainingDataForDeepLearning("c:/test/image.tif", "c:/test/outfolder",
"c:/test/training.shp", "TIFF", "256",
"256", "128", "128", "NO", "KITTI_rectangles")
Exemple 2 d'utilisation de l'outil ExportTrainingDataForDeepLearning (script autonome)
Cet exemple permet de créer des échantillons d’apprentissage pour la formation en profondeur.
# Import system modules and check out ArcGIS Spatial Analyst extension license
import arcpy
arcpy.CheckOutExtension("Spatial")
from arcpy.sa import *
# Set local variables
inRaster = "c:/test/image.tif"
out_folder = "c:/test/outfolder"
in_training = "c:/test/training.shp"
image_chip_format = "TIFF"
tile_size_x = "256"
tile_size_y = "256"
stride_x="128"
stride_y="128"
output_nofeature_tiles="NO"
metadata_format="KITTI_rectangles"
# Execute
ExportTrainingDataForDeepLearning(inRaster, out_folder, in_training,
image_chip_format,tile_size_x, tile_size_y,
stride_x, stride_y,output_nofeature_tiles,
metadata_format)
Environnements
Informations de licence
- ArcGIS Desktop Basic: Requiert Spatial Analyst
- ArcGIS Desktop Standard: Requiert Spatial Analyst
- ArcGIS Desktop Advanced: Requiert Spatial Analyst