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2.5k次,点赞2次,收藏15次。编译是大部分工程师的烦恼,大家普遍喜欢去写业务代码。但我觉得基本的编译流程,我们还是需要掌握的,希望遇到相关问题,不要退缩,尝试去解决。天下文章一大抄,百度能解决我们90%的问题。_gdb编译
文章浏览阅读1.8k次,点赞4次,收藏6次。python简易爬虫v1.0作者:William Ma (the_CoderWM)进阶python的首秀,大部分童鞋肯定是做个简单的爬虫吧,众所周知,爬虫需要各种各样的第三方库,例如scrapy, bs4, requests, urllib3等等。此处,我们先从最简单的爬虫开始。首先,我们需要安装两个第三方库:requests和bs4。在cmd中输入以下代码:pip install requestspip install bs4等安装成功后,就可以进入pycharm来写爬虫了。爬
文章浏览阅读2.6k次。解决方法:解决方法可以去github重新下载一个pyflakes.vim。执行如下命令git clone --recursive git://github.com/kevinw/pyflakes-vim.git然后进入git克降目录,./pyflakes-vim/ftplugin,通过如下命令将python目录下的所有文件复制到~/.vim/ftplugin目录下即可。cp -R ...._freetorn.vim
文章浏览阅读210次,点赞7次,收藏3次。本文简述了hello.c源程序的预处理、编译、汇编、链接和运行的主要过程,以及hello程序的进程管理、存储管理与I/O管理,通过hello.c这一程序周期的描述,对程序的编译、加载、运行有了初步的了解。_hit csapp
文章浏览阅读1w次,点赞2次,收藏27次。来源:机器人小妹 很多时候企业拥有重复,乏味且困难的工作流程,这些流程往往会减慢生产速度并增加运营成本。为了降低生产成本,企业别无选择,只能自动化某些功能以降低生产成本。 通过数字化..._人工智能平台
文章浏览阅读2.2k次。热加载能够在每次保存修改的代码后自动刷新 electron 应用界面,而不必每次去手动操作重新运行,这极大的提升了开发效率。安装 electron 热加载插件热加载虽然很方便,但是不是每个 electron 项目必须的,所以想要舒服的开发 electron 就只能给 electron 项目单独的安装热加载插件[electron-reloader]:// 在项目的根目录下安装 electron-reloader,国内建议使用 cnpm 代替 npmnpm install electron-relo._electron-reloader
文章浏览阅读3.8w次,点赞107次,收藏993次。点击上方“Python爬虫与数据挖掘”,进行关注回复“书籍”即可获赠Python从入门到进阶共10本电子书今日鸡汤昔闻洞庭水,今上岳阳楼。大家好,我是小F。Python是目前最好的编程语言之一。由于其可读性和对初学者的友好性,已被广泛使用。那么要想学会并掌握Python,可以实战的练习项目是必不可少的。接下来,我将给大家介绍20个非常实用的Python项目,帮助大家更好的..._python项目
文章浏览阅读1.3k次。在网站的导航资源里看到了一个非常好用的东西:Android Asset Studio,可以在线生成各种图标。之前一直在用一个叫做Android Icon Creator的插件,可以直接在Android Studio的插件里搜索,这个工具的优点是可以生成适应各种分辨率的一套图标,有好几种风格的图标资源,遗憾的是虽然有很多套图标风格,毕竟是有限的。Android Asset Studio可以自己选择其..._在线 android 图标
文章浏览阅读514次。无限轮播广告位没有录屏,将就将就着看,效果就是这样主要代码KsBanner.java/** * 广告位 * * Created by on 2016/12/20. */public class KsBanner extends FrameLayout implements ViewPager.OnPageChangeListener { private List
文章浏览阅读2.2k次,点赞2次,收藏6次。继续上次的echart博客,由于省会流向图是从echart画廊中直接取来的。所以直接上代码<!DOCTYPE html><html><head> <meta charset="utf-8" /> <meta name="viewport" content="width=device-width,initial-scale=1,minimum-scale=1,maximum-scale=1,user-scalable=no" /&_java+echart地图+物流跟踪
文章浏览阅读1.4k次。一、OSD模块简介1.1 消息封装:在OSD上发送和接收信息。cluster_messenger -与其它OSDs和monitors沟通client_messenger -与客户端沟通1.2 消息调度:Dispatcher类,主要负责消息分类1.3 工作队列:1.3.1 OpWQ: 处理ops(从客户端)和sub ops(从其他的OSD)。运行在op_tp线程池。1...._ceph 发送数据到其他副本的源码
文章浏览阅读7.9k次,点赞3次,收藏22次。一 定义这是最早出现的置换算法。该算法总是淘汰最先进入内存的页面,即选择在内存中驻留时间最久的页面予以淘汰。该算法实现简单,只需把一个进程已调入内存的页面,按先后次序链接成一个队列,并设置一个指针,称为替换指针,使它总是指向最老的页面。但该算法与进程实际运行的规律不相适应,因为在进程中,有些页面经常被访问,比如,含有全局变量、常用函数、例程等的页面,FIFO 算法并不能保证这些页面不被淘汰。这里,我_进程调度fifo算法代码