Python arcgis.learn.classify_objects用法及代碼示例

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)

參數：

input_raster: 必需的。包含需要分類的對象的柵格圖層。
model: 必需的模型對象。
model_arguments: 可選字典。 Name-value 可以由客戶端自定義的參數對及其值。例如：{“name1”:”value1”，“name2”：“value2”}
input_features: 可選要素圖層。點、線或麵輸入要素圖層，用於標識要分類和標注的每個對象的位置。輸入要素圖層中的每一行代表一個對象。如果未指定輸入要素圖層，則該函數假定每個輸入圖像都包含一個要分類的對象。如果輸入圖像或圖像使用空間參考，則函數的輸出是特征層，其中每個圖像的範圍用作每個標記特征層的邊界幾何。如果輸入圖像或圖像未在空間上引用，則函數的輸出是包含圖像 ID 值和每個圖像的類標簽的表。
class_label_field: 可選的字符串。將在輸出要素圖層中包含分類標簽的字段的名稱。如果未指定字段名稱，則會在輸出要素圖層中生成一個名為 ClassLabel 的新字段。

例子：
“ClassLabel”
process_all_raster_項目： 可選的布爾值。如果設置為 False，影像服務中的所有柵格項目將被鑲嵌在一起並進行處理。這是默認設置。如果設置為 True，則影像服務中的所有柵格項目都將作為單獨的影像進行處理。
output_name: 可選的。如果未提供，則該方法會創建一個 Feature 圖層並將其用作輸出。您可以從 GIS 中傳入現有的要素服務項目來使用它。或者，您可以傳入應通過此方法創建的輸出要素服務的名稱，以用作工具的輸出。如果該名稱的服務已經存在，則會引發 RuntimeError
context:
可選字典。上下文包含影響任務執行的其他設置。字典可以包含以下鍵的值：
- cellSize - 設置輸出柵格像元大小或分辨率
- extent - 設置函數使用的處理範圍
- parallelProcessingFactor - 設置並行處理因子。默認為“80%”
- processorType - 設置處理器類型。 “CPU” 或 “GPU”
例如：{“processorType”：“CPU”} 設置上下文參數將覆蓋使用arcgis.env 變量為此特定函數設置的值。
gis: 可選的地理信息係統。運行此工具的 GIS。如果未指定，則使用活動 GIS。

返回：: 包含分類對象的輸出要素圖層項

函數可用於使用指定的深度學習模型，根據來自重疊影像數據的信息，為每個要素輸出具有分配類標簽的要素服務。 .. 筆記：

This function is supported with ArcGIS Enterprise (Image Server)

相關用法

注：本文由純淨天空篩選整理自arcgis.com大神的英文原創作品 arcgis.learn.classify_objects。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：