Python arcgis.learn.classify_objects用法及代码示例

用法:
arcgis.learn.classify_objects(input_raster, model, model_arguments=None, input_features=None, class_label_field=None, process_all_raster_items=False, output_name=None, context=None, *, gis=None, future=False, **kwargs)

参数：

input_raster: 必需的。包含需要分类的对象的栅格图层。
model: 必需的模型对象。
model_arguments: 可选字典。 Name-value 可以由客户端自定义的参数对及其值。例如：{“name1”:”value1”，“name2”：“value2”}
input_features: 可选要素图层。点、线或面输入要素图层，用于标识要分类和标注的每个对象的位置。输入要素图层中的每一行代表一个对象。如果未指定输入要素图层，则该函数假定每个输入图像都包含一个要分类的对象。如果输入图像或图像使用空间参考，则函数的输出是特征层，其中每个图像的范围用作每个标记特征层的边界几何。如果输入图像或图像未在空间上引用，则函数的输出是包含图像 ID 值和每个图像的类标签的表。
class_label_field: 可选的字符串。将在输出要素图层中包含分类标签的字段的名称。如果未指定字段名称，则会在输出要素图层中生成一个名为 ClassLabel 的新字段。

例子：
“ClassLabel”
process_all_raster_项目： 可选的布尔值。如果设置为 False，影像服务中的所有栅格项目将被镶嵌在一起并进行处理。这是默认设置。如果设置为 True，则影像服务中的所有栅格项目都将作为单独的影像进行处理。
output_name: 可选的。如果未提供，则该方法会创建一个 Feature 图层并将其用作输出。您可以从 GIS 中传入现有的要素服务项目来使用它。或者，您可以传入应通过此方法创建的输出要素服务的名称，以用作工具的输出。如果该名称的服务已经存在，则会引发 RuntimeError
context:
可选字典。上下文包含影响任务执行的其他设置。字典可以包含以下键的值：
- cellSize - 设置输出栅格像元大小或分辨率
- extent - 设置函数使用的处理范围
- parallelProcessingFactor - 设置并行处理因子。默认为“80%”
- processorType - 设置处理器类型。 “CPU” 或 “GPU”
例如：{“processorType”：“CPU”} 设置上下文参数将覆盖使用arcgis.env 变量为此特定函数设置的值。
gis: 可选的地理信息系统。运行此工具的 GIS。如果未指定，则使用活动 GIS。

返回：: 包含分类对象的输出要素图层项

函数可用于使用指定的深度学习模型，根据来自重叠影像数据的信息，为每个要素输出具有分配类标签的要素服务。 .. 笔记：

This function is supported with ArcGIS Enterprise (Image Server)

相关用法

注：本文由纯净天空筛选整理自arcgis.com大神的英文原创作品 arcgis.learn.classify_objects。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：