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1.6k次。安装配置gi、安装数据库软件、dbca建库见下:http://blog.csdn.net/kadwf123/article/details/784299611、检查集群节点及状态:[root@rac2 ~]# olsnodes -srac1 Activerac2 Activerac3 Activerac4 Active[root@rac2 ~]_12c查看crs状态
文章浏览阅读1.3w次,点赞45次,收藏99次。我个人用的是anaconda3的一个python集成环境,自带jupyter notebook,但在我打开jupyter notebook界面后,却找不到对应的虚拟环境,原来是jupyter notebook只是通用于下载anaconda时自带的环境,其他环境要想使用必须手动下载一些库:1.首先进入到自己创建的虚拟环境(pytorch是虚拟环境的名字)activate pytorch2.在该环境下下载这个库conda install ipykernelconda install nb__jupyter没有pytorch环境
文章浏览阅读5.2k次,点赞19次,收藏28次。选择scoop纯属意外,也是无奈,因为电脑用户被锁了管理员权限,所有exe安装程序都无法安装,只可以用绿色软件,最后被我发现scoop,省去了到处下载XXX绿色版的烦恼,当然scoop里需要管理员权限的软件也跟我无缘了(譬如everything)。推荐添加dorado这个bucket镜像,里面很多中文软件,但是部分国外的软件下载地址在github,可能无法下载。以上两个是官方bucket的国内镜像,所有软件建议优先从这里下载。上面可以看到很多bucket以及软件数。如果官网登陆不了可以试一下以下方式。_scoop-cn
文章浏览阅读4.5k次,点赞2次,收藏3次。首先要有一个color-picker组件 <el-color-picker v-model="headcolor"></el-color-picker>在data里面data() { return {headcolor: ’ #278add ’ //这里可以选择一个默认的颜色} }然后在你想要改变颜色的地方用v-bind绑定就好了,例如:这里的:sty..._vue el-color-picker
文章浏览阅读640次。基于芯片日益增长的问题,所以内核开发者们引入了新的方法,就是在内核中只保留函数,而数据则不包含,由用户(应用程序员)自己把数据按照规定的格式编写,并放在约定的地方,为了不占用过多的内存,还要求数据以根精简的方式编写。boot启动时,传参给内核,告诉内核设备树文件和kernel的位置,内核启动时根据地址去找到设备树文件,再利用专用的编译器去反编译dtb文件,将dtb还原成数据结构,以供驱动的函数去调用。firmware是三星的一个固件的设备信息,因为找不到固件,所以内核启动不成功。_exynos 4412 刷机
文章浏览阅读2w次,点赞24次,收藏42次。Linux系统配置jdkLinux学习教程,Linux入门教程(超详细)_linux配置jdk
文章浏览阅读3.3k次,点赞5次,收藏19次。xlabel('\delta');ylabel('AUC');具体符号的对照表参照下图:_matlab微米怎么输入
文章浏览阅读119次。顺序读写指的是按照文件中数据的顺序进行读取或写入。对于文本文件,可以使用fgets、fputs、fscanf、fprintf等函数进行顺序读写。在C语言中,对文件的操作通常涉及文件的打开、读写以及关闭。文件的打开使用fopen函数,而关闭则使用fclose函数。在C语言中,可以使用fread和fwrite函数进行二进制读写。 Biaoge 于2024-03-09 23:51发布 阅读量:7 ️文章类型:【 C语言程序设计 】在C语言中,用于打开文件的函数是____,用于关闭文件的函数是____。
文章浏览阅读3.4k次,点赞2次,收藏13次。跟随鼠标移动的粒子以grid(SOP)为partical(SOP)的资源模板,调整后连接【Geo组合+point spirit(MAT)】,在连接【feedback组合】适当调整。影响粒子动态的节点【metaball(SOP)+force(SOP)】添加mouse in(CHOP)鼠标位置到metaball的坐标,实现鼠标影响。..._touchdesigner怎么让一个模型跟着鼠标移动
文章浏览阅读178次。项目运行环境配置:Jdk1.8 + Tomcat7.0 + Mysql + HBuilderX(Webstorm也行)+ Eclispe(IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持)。项目技术:Springboot + mybatis + Maven +mysql5.7或8.0+html+css+js等等组成,B/S模式 + Maven管理等等。环境需要1.运行环境:最好是java jdk 1.8,我们在这个平台上运行的。其他版本理论上也可以。_基于java技术的停车场管理系统实现与设计
文章浏览阅读3.5k次。前言对于MediaPlayer播放器的源码分析内容相对来说比较多,会从Java-&amp;gt;Jni-&amp;gt;C/C++慢慢分析,后面会慢慢更新。另外,博客只作为自己学习记录的一种方式,对于其他的不过多的评论。MediaPlayerDemopublic class MainActivity extends AppCompatActivity implements SurfaceHolder.Cal..._android多媒体播放源码分析 时序图
文章浏览阅读2.4k次,点赞41次,收藏13次。java 数据结构与算法 ——快速排序法_快速排序法