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

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)

參數：

input_raster: 必需的。包含需要檢測的對象的柵格圖層。
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”}
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
run_nms: 可選的布爾值。默認值為假。如果設置為 True，則運行非最大抑製工具。
confidence_score_field: 可選字符串。要素類中包含作為對象檢測方法輸出的置信度分數的字段。將 run_nms 設置為 True 時需要此參數
class_value_field: 可選字符串。輸入要素類中的類值字段。如果未指定，該函數將使用標準類值字段 Classvalue 和 Value。如果這些字段不存在，則所有要素都將被視為相同的對象類。僅在 run_nms 設置為 True 時設置
max_overlap_ratio: 可選整數。兩個重疊要素的最大重疊率。定義為交叉區域與聯合區域的比率。僅在 run_nms 設置為 True 時設置
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。
process_all_raster_項目：
可選的布爾值。指定如何處理影像服務中的所有柵格項目。
- 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。
- True：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。
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。
future: 僅關鍵字參數。可選的布爾值。如果為 True，則結果將是一個 GPJob 對象，並且結果將異步返回。

返回：: 包含檢測到的對象的輸出要素圖層項

函數可用於生成要素服務，該服務包含使用指定深度學習模型在影像數據中發現的檢測到的對象上的多邊形。請注意，除了服務器內置的 Python 3.x 庫之外，還需要單獨安裝深度學習庫。 .. 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.detect_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：