技术标签: ArcGIS python arcgis 深度学习 目标检测
值得一提的是对于做深度学习相关内容的用户,ArcGIS Pro的安装包可以分为两个部分:ArcGIS Pro安装包,ArcGIS Pro深度学习的相关包,若要使用深度学习模型训练和预测,必须安装深度学习的安装包。
ArcGIS Pro的安装包可以在X宝以较低的价格购买,深度学习相关的安装包可以在官方文档中关于深度学习介绍的章节找到。
我这里提供一个迅雷的下载链接,如果不能下载,请移步淘宝、官网、百度云、360云盘、QQ群等地址。
ArcGIS Pro 提取码:f24e
Deep Learning Package
值得注意的是在安装了ArcGIS Pro和其深度学习包后,打开软件,一般需要玩家们在克隆一个自己的Python环境,在这里搞(如果你暂时不需要再安装额外的python包也不需要在py文件中执行一些莫名其妙的脚本的话可以不用克隆):
参考资料:
ArcGIS Pro深度学习简介:https://pro.arcgis.com/zh-cn/pro-app/latest/help/analysis/deep-learning/what-is-deep-learning-.htm
安装 ArcGIS 的深度学习框架:https://pro.arcgis.com/zh-cn/pro-app/latest/help/analysis/deep-learning/install-deep-learning-frameworks.htm
ArcGIS Pro新版2.8到2021年10月29日仍没有破解版本,老版本应该有,如果要使用2.8你有两种方案:
教育机构的学生或老师,自己注册Learn账号并用于登录,请参考https://www.esri.com/zh-cn/lg/training-and-services/learn-arcgis-education-trial
淘宝几块钱叫别人帮你注册一个,到期又注册,成本价算下来10块钱一个月。
至于安装和登录,折腾一下一般很快就搞定了,这里就不在重复演示
参照官方文档的解释,在ArcGIS Pro中,深度学习可以分为这几类:
ArcGIS Pro中的深度学习使用大致分为3个步骤,分别是(1)划分并导出数据集;(2)训练模型;(使用模型对未知数据进行预测分类)
本次示例采用了一张100多MB的tif图像数据(细节真的是相当的丰富呢):
数据集我是从别人那儿拿过来的,暂时没有,如果你需要,发邮件给我[email protected].
首先创建一个新项目并导入原始数据:
ArcGIS Pro提供了打标签的工具,如何找到打标签的工具呢:
首先选中原始图像,然后点击菜单栏的图像–分类工具–为深度学习标注数据:
打开工具后,我们就可以进行标注了,值得注意的是,标注前先建立类别,比如建立building类(value随便填,一般填123456789,最好别作shi填0,指不定会报错,可以试试):
接着使用建立好的类别在原始图像上标注数据集,像素分类一般把轮廓给标注出来,目标检测就标注出对象就行。下面我分别演示(其实哪一种打标签的方法都能导出其它类型的数据,我觉得这么标记准确一些,可能是错觉,你爱怎么打标签就怎么打标签):
像素分类怎么打标签:
Object Detection怎么标签:
导出打好标签的 数据:
下面是我打过标签的数据:
其中dataset2_voc用于目标检测,dataset9_classfied_tiles用于像素分类。在目录的emd文件中可以看到数据集的详细信息:
在工具箱中找到训练深度学习模型选项
选中之后需要填写一些参数:
在environment中可以找到选择GPU还是CPU,我之前有遇到跑GPU的时候,一直卡在generate raster 0%的位置上,不知道为什么,但是跑CPU又没问题。
参数配置完后,点击下面的run就可以开始跑算法了。
但是这里有一个小技巧可以掌握一下:
点击run旁边的小三角,选择复制Python命令
然后再View菜单栏中选择打开Python window,把复制的代码粘贴到python window中再执行,这样可以看到更多的运行信息:
由于过程过于漫长,需要坐下来喝杯茶,我觉得,因为很气人啊。
跑完之后可以得到输出的模型文件夹:
我这里跑了三个模型,两个目标检测的模型和一个像素分类的模型,model_voc_rotate180是对voc原始数据进行180读旋转得到的增广数据集。
事实证明,增广的数据集精准度反而更低,原因是因为数据集本身不行。
跑完的模型打开:
其中ModelCharacteristics存放着loss图和results,emd文件中模型的i详细信息,pth是模型文件,其它文件请自行参考。这是我跑的模型的损失图,
准确率:
最后使用ArcGIS工具进行预测推理:
预测结果展示:
像素分类结果:
像素分类算法能很好地分割出建筑物的边缘,并且精准度非常地高。
目标检测算法结果:
通过这幅图我们可以看出,目标检测算法虽然能检测出有建筑物的区域,但准确度并不高,存在将其它区域识别成建筑物的情况,另一方面,目标检测算法无法识别出整个建筑,而会将单个建筑分割成无数个小型切片,这个结果应该可以通过增加数据集和极大值抑制的方式来进行优化,但无论如何,跟前面的像素分类算法相比,目标检测算法并不适合用在复杂建筑的识别上,尤其是数据量不足的情况下,但是另一个方面,我又相信再数据量足够的情况下,目标检测仍然能取得较好的识别结果。建议再试试呗。
以上整个工程如果你有兴趣,可以联系我发给你,我的邮箱: [email protected]。
行行好,赏口饭吃:
文章浏览阅读3.4k次,点赞8次,收藏42次。一、什么是内部类?or 内部类的概念内部类是定义在另一个类中的类;下面类TestB是类TestA的内部类。即内部类对象引用了实例化该内部对象的外围类对象。public class TestA{ class TestB {}}二、 为什么需要内部类?or 内部类有什么作用?1、 内部类方法可以访问该类定义所在的作用域中的数据,包括私有数据。2、内部类可以对同一个包中的其他类隐藏起来。3、 当想要定义一个回调函数且不想编写大量代码时,使用匿名内部类比较便捷。三、 内部类的分类成员内部_成员内部类和局部内部类的区别
文章浏览阅读118次。分布式系统要求拆分分布式思想的实质搭配要求分布式系统要求按照某些特定的规则将项目进行拆分。如果将一个项目的所有模板功能都写到一起,当某个模块出现问题时将直接导致整个服务器出现问题。拆分按照业务拆分为不同的服务器,有效的降低系统架构的耦合性在业务拆分的基础上可按照代码层级进行拆分(view、controller、service、pojo)分布式思想的实质分布式思想的实质是为了系统的..._分布式系统运维工具
文章浏览阅读174次。1.数据源准备2.数据处理step1:数据表处理应用函数:①VLOOKUP函数; ② CONCATENATE函数终表:step2:数据透视表统计分析(1) 透视表汇总不同渠道用户数, 金额(2)透视表汇总不同日期购买用户数,金额(3)透视表汇总不同用户购买订单数,金额step3:讲第二步结果可视化, 比如, 柱形图(1)不同渠道用户数, 金额(2)不同日期..._exce l趋势分析数据量
文章浏览阅读3.3k次。堡垒机可以为企业实现服务器、网络设备、数据库、安全设备等的集中管控和安全可靠运行,帮助IT运维人员提高工作效率。通俗来说,就是用来控制哪些人可以登录哪些资产(事先防范和事中控制),以及录像记录登录资产后做了什么事情(事后溯源)。由于堡垒机内部保存着企业所有的设备资产和权限关系,是企业内部信息安全的重要一环。但目前出现的以下问题产生了很大安全隐患:密码设置过于简单,容易被暴力破解;为方便记忆,设置统一的密码,一旦单点被破,极易引发全面危机。在单一的静态密码验证机制下,登录密码是堡垒机安全的唯一_horizon宁盾双因素配置
文章浏览阅读7.7k次,点赞4次,收藏16次。Chrome作为一款挺不错的浏览器,其有着诸多的优良特性,并且支持跨平台。其支持(Windows、Linux、Mac OS X、BSD、Android),在绝大多数情况下,其的安装都很简单,但有时会由于网络原因,无法安装,所以在这里总结下Chrome的安装。Windows下的安装:在线安装:离线安装:Linux下的安装:在线安装:离线安装:..._chrome linux debian离线安装依赖
文章浏览阅读153次。中国发达城市榜单每天都在刷新,但无非是北上广轮流坐庄。北京拥有最顶尖的文化资源,上海是“摩登”的国际化大都市,广州是活力四射的千年商都。GDP和发展潜力是衡量城市的数字指...
文章浏览阅读3.3k次。前言spark在java使用比较少,多是scala的用法,我这里介绍一下我在项目中使用的代码配置详细算法的使用请点击我主页列表查看版本jar版本说明spark3.0.1scala2.12这个版本注意和spark版本对应,只是为了引jar包springboot版本2.3.2.RELEASEmaven<!-- spark --> <dependency> <gro_使用java调用spark注册进去的程序
文章浏览阅读4.8k次。汽车零部件开发工具巨头V公司全套bootloader中UDS协议栈源代码,自己完成底层外设驱动开发后,集成即可使用,代码精简高效,大厂出品有量产保证。:139800617636213023darcy169_uds协议栈 源代码
文章浏览阅读4.6k次,点赞20次,收藏148次。AUTOSAR基础篇之OS(下)前言首先,请问大家几个小小的问题,你清楚:你知道多核OS在什么场景下使用吗?多核系统OS又是如何协同启动或者关闭的呢?AUTOSAR OS存在哪些功能安全等方面的要求呢?多核OS之间的启动关闭与单核相比又存在哪些异同呢?。。。。。。今天,我们来一起探索并回答这些问题。为了便于大家理解,以下是本文的主题大纲:[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JCXrdI0k-1636287756923)(https://gite_autosar 定义了 5 种多核支持类型
文章浏览阅读2.2k次,点赞6次,收藏14次。原因:自己写的头文件没有被加入到方案的包含目录中去,无法被检索到,也就无法打开。将自己写的头文件都放入header files。然后在VS界面上,右键方案名,点击属性。将自己头文件夹的目录添加进去。_vs2013打不开自己定义的头文件
文章浏览阅读3.3w次,点赞80次,收藏342次。此时,可以将系统中所有用户的 Session 数据全部保存到 Redis 中,用户在提交新的请求后,系统先从Redis 中查找相应的Session 数据,如果存在,则再进行相关操作,否则跳转到登录页面。此时,可以将系统中所有用户的 Session 数据全部保存到 Redis 中,用户在提交新的请求后,系统先从Redis 中查找相应的Session 数据,如果存在,则再进行相关操作,否则跳转到登录页面。当数据量很大时,count 的数量的指定可能会不起作用,Redis 会自动调整每次的遍历数目。_redis命令
文章浏览阅读449次,点赞3次,收藏3次。URP的设计目标是在保持高性能的同时,提供更多的渲染功能和自定义选项。与普通项目相比,会多出Presets文件夹,里面包含着一些设置,包括本色,声音,法线,贴图等设置。全局只有主光源和附加光源,主光源只支持平行光,附加光源数量有限制,主光源和附加光源在一次Pass中可以一起着色。URP:全局只有主光源和附加光源,主光源只支持平行光,附加光源数量有限制,一次Pass可以计算多个光源。可编程渲染管线:渲染策略是可以供程序员定制的,可以定制的有:光照计算和光源,深度测试,摄像机光照烘焙,后期处理策略等等。_urp渲染管线