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

用法:
arcgis.learn.detect_objects(input_raster, model, model_arguments=None, output_name=None, run_nms=False, confidence_score_field=None, class_value_field=None, max_overlap_ratio=0, context=None, process_all_raster_items=False, *, gis=None, future=False, **kwargs)

参数：

input_raster: 必需的。包含需要检测的对象的栅格图层。
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”}
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
run_nms: 可选的布尔值。默认值为假。如果设置为 True，则运行非最大抑制工具。
confidence_score_field: 可选字符串。要素类中包含作为对象检测方法输出的置信度分数的字段。将 run_nms 设置为 True 时需要此参数
class_value_field: 可选字符串。输入要素类中的类值字段。如果未指定，该函数将使用标准类值字段 Classvalue 和 Value。如果这些字段不存在，则所有要素都将被视为相同的对象类。仅在 run_nms 设置为 True 时设置
max_overlap_ratio: 可选整数。两个重叠要素的最大重叠率。定义为交叉区域与联合区域的比率。仅在 run_nms 设置为 True 时设置
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。
process_all_raster_项目：
可选的布尔值。指定如何处理影像服务中的所有栅格项目。
- 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。
- True：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。
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。
future: 仅关键字参数。可选的布尔值。如果为 True，则结果将是一个 GPJob 对象，并且结果将异步返回。

返回：: 包含检测到的对象的输出要素图层项

函数可用于生成要素服务，该服务包含使用指定深度学习模型在影像数据中发现的检测到的对象上的多边形。请注意，除了服务器内置的 Python 3.x 库之外，还需要单独安装深度学习库。 .. 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.detect_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：