当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

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


用法:

arcgis.learn.export_training_data(input_raster, input_class_data=None, chip_format=None, tile_size=None, stride_size=None, metadata_format=None, classvalue_field=None, buffer_radius=None, output_location=None, context=None, input_mask_polygons=None, rotation_angle=0, reference_system='MAP_SPACE', process_all_raster_items=False, blacken_around_feature=False, fix_chip_size=True, *, gis=None, future=False, **kwargs)

参数：

  • input_raster: 必需的。需要导出以进行训练的栅格图层。
  • input_class_data: 标记数据，可以是要素图层或图像图层。矢量输入应遵循由ArcGIS Pro Training Sample Manager 生成的训练样本格式。栅格输入应遵循分类栅格工具生成的分类栅格格式。
  • chip_format: 可选字符串。图像芯片输出的光栅格式。
    • TIFF：TIFF 格式
    • PNG：PNG 格式
    • JPEG：JPEG 格式
    • MRF：MRF(元光栅格式)
  • tile_size: 可选字典。图像芯片的大小。 示例：{“x”: 256, “y”: 256}
  • stride_size: 可选字典。创建下一个图像芯片时在 X 和 Y 方向上移动的距离。当 stride 等于 tile 大小时，不会有重叠。当 stride 等于 tile 大小的一半时，会有 50% 的重叠。 示例：{“x”: 128, “y”: 128}
  • metadata_format: 可选字符串。输出元数据标签的格式。训练数据的输出元数据标签有 4 个选项，KITTI Rectangles、PASCAL VOCrectangles、Classified Tiles(类图)和RCNN_Masks。如果您的输入训练样本数据是要素类图层(例如建筑物图层或标准分类训练样本文件)，请使用 KITTI 或 PASCAL VOC 矩形选项。输出元数据是一个 .txt 文件或 .xml 文件，其中包含最小边界矩形中包含的训练样本数据。元数据文件的名称与输入源图像名称相匹配。如果您的输入训练样本数据是类映射，请使用 Classified Tiles 作为输出元数据格式选项。
    • KITTI_rectangles：元数据遵循与卡尔斯鲁厄理工学院和丰田理工学院 (KITTI) 对象检测评估数据集相同的格式。 KITTI 数据集是一个视觉基准套件。这是默认设置。标签文件是纯文本文件。所有值，无论是数字还是字符串，都用空格分隔，每一行对应一个对象。此格式可用于FasterRCNN RetinaNet SingleShotDetector 和 YOLOv3 模型。
    • PASCAL_VOC_rectangles：元数据遵循与模式分析、统计建模和计算学习、视觉对象类 (PASCAL_VOC) 数据集相同的格式。 PASCAL VOC 数据集是用于对象类识别的标准化图像数据集。标签文件是 XML 文件，包含有关图像名称、类值和边界框的信息。此格式可用于FasterRCNN RetinaNet SingleShotDetector 和 YOLOv3 模型。
    • Classified_Tiles：此选项将每个输入图像芯片输出一个分类图像芯片。每个图像芯片没有其他元数据。只有统计输出有关于类的更多信息，例如类名、类值和输出统计信息。此格式可用于 BDCNEdgeDetector、DeepLab HEDEdgeDetector、MultiTaskRoadExtractor PSPNetClassifier 和 UnetClassifier 模型。
    • RCNN_Masks：此选项将输出在样本所在区域具有掩码的图像芯片。该模型为图像中对象的每个实例生成边界框和分割掩码。此格式可用于MaskRCNN 模型。
    • Labeled_Tiles ：此选项将使用特定类标记每个输出图块。此格式用于图像分类。此格式可用于FeatureClassifier 模型。
    • Multi-labeled Tiles ：每个输出图块将标有一个或多个类。例如，一个图块可能被标记为农业，也可能是多云的。此格式用于对象分类。此格式可用于FeatureClassifier 模型。
    • Export Tiles ：输出将是没有标签的图像芯片。这种格式用于图像增强技术，例如超分辨率和变化检测。此格式可用于 ChangeDetector CycleGAN Pix2Pix 和 SuperResolution 模型。
  • classvalue_field: 可选字符串。指定包含类值的字段。如果未指定字段，系统将查找‘value’ or ‘classvalue’ 字段。如果此特征不包含类字段，系统将假定所有记录属于 1 类。
  • buffer_radius: 可选整数。指定点要素类的半径以指定训练样本区域。
  • output_location: 这是训练样本数据的输出位置。它可以是服务器数据存储路径或共享文件系统路径。 例子：
    服务器数据存储路径 - /fileShares/deeplearning/rooftoptrainingsamples /rasterStores/rasterstorename/rooftoptrainingsamples /cloudStores/cloudstorename/rooftoptrainingsamples 文件共享路径 - \\servername\deeplearning\rooftoptrainingsamples
  • 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：
    • exportAllTiles - 选择是否导出具有重叠标记数据的图像芯片。
      • True - 导出所有图像芯片，包括那些不与标记数据重叠的芯片。
      • False - 仅导出与标记数据重叠的图像芯片。这是默认设置。
    • startIndex - 允许您设置图像芯片序列的起始索引。这使您可以将更多图像芯片附加到现有序列。默认值为 0。
    • cellSize - 可以在上下文参数中使用此键设置单元大小
    • extent - 设置函数使用的处理范围
    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。(cellSize, extent) 例如：{“exportAllTiles”: False, “startIndex”: 0 }
  • input_mask_polygons: 可选要素图层。描绘将创建图像芯片的区域的要素图层。只会创建完全落在多边形内的图像芯片。
  • rotation_angle: 可选浮点数。将用于生成附加图像芯片的旋转角度。 将生成一个旋转角度为 0 的图像芯片，即不旋转。然后它将以指定的角度旋转以创建额外的图像芯片。将在多个图像芯片中以多个角度捕获相同的训练样本以进行数据增强。默认旋转角度为 0。
  • reference_system: 可选字符串。指定用于解释输入图像的参考系统类型。指定的参考系统应与用于训练深度学习模型的参考系统相匹配。
    • MAP_SPACE：输入图像在基于Map的坐标系中。这是默认设置。
    • IMAGE_SPACE：输入图像在图像空间中，从捕获图像的传感器方向观察，并旋转使得建筑物和树的顶部在图像中指向上方。
    • PIXEL_SPACE：输入图像在图像空间，没有旋转，也没有失真。
  • 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。
  • blacken_around_feature: 可选的布尔值。指定是否将每个图像平铺中每个对象或特征周围的像素变黑。此参数仅在元数据格式设置为 Labeled_Tiles 并且已指定输入要素类或分类栅格时适用。
    • False：对象或特征周围的像素不会变黑。这是默认设置。
    • True：对象或特征周围的像素将变黑。
  • fix_chip_size: 可选的布尔值。指定是否裁剪导出的切片以使它们都具有相同的大小。此参数仅在元数据格式设置为 Labeled_Tiles 并且已指定输入要素类或分类栅格时适用。
    • True：导出的图块大小相同，并将以要素为中心。这是默认设置。
    • False：将裁剪导出的图块，使边界几何仅围绕图块中的特征。
  • 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：

包含导出训练数据位置的输出字符串

函数旨在从输入图像数据中生成训练样本图像芯片，带有标记的矢量数据或分类图像。该服务工具的输出是数据存储字符串，其中将存储输出图像芯片、标签和元数据文件。 .. 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.export_training_data。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。