Neočekávané výsledky výstupu z předtrénovaných modelů používajících geotiffy vytvořené z obrázků stažených z Tile Map Serveru.

TopoTheMornin

Při použití modelu Parkinglot Classification Model, modelu High Resolution Land Cover Classification Model a modelu Road Extraction Model modely buď vrací souvislý pás přes můj rozsah, nebo nulové klasifikace. 

Hledám pomoc s objasněním vhodných nebo smysluplných dalších kroků. Například:<\/P>

• Je moje 3-pásmová snímková data dostatečně multispektrální? Potřebují moje snímky více pásem? Pokud ano, mohl bych převést LAS (LiDAR) na digitální modely terénu a spojit je s pásmy, která mám? Jaký typ pásem bych měl přidat? Jsou moje snímky příliš odlišné od tréninkových dat předtrénovaných modelů? Potřebuji modely doladit? <\/LI>
• Nebo mi chybí nějaký krok zpracování? (Udělal jsem kroky k retrojekci snímků, když to bylo vhodné. Prošel jsem návody. A během různých pokusů jsem extrahoval a přidával pásma. Rád o tom budu mluvit více, pokud bude potřeba.)<\/LI>
• Níže je přehled toho, co jsem zkusil, ale není vyčerpávající. Například toto jsou jen příklady parametrů modelu, které jsem zkoušel. Rád o tom budu mluvit více 🙂<\/span>.<\/LI><\/UL>Snímková data<\/H3>Příklad pro reprodukci obrázků (Náš klient nás nasměroval na níže uvedenou službu dlaždicových map a doporučil ji používat):<\/P>git clone git@github.com:gumblex\/tms2geotiff.git\ncd tms2geotiff\npython3 tms2geotiff.py -s <https:\/\/svc.pictometry.com\/Image\/64C00615-F036-D77F-986A-1F6A31A35DDD\/wmts\/PICT-MOCSPR22-Au6vLBc7oU\/default\/GoogleMapsCompatible\/{z}\/{x}\/{y}.png> -e=-93.33785017761194,37.12322308013705,-93.27050136874603,37.16145404094455 -z 17 springfield_output_image17.2.tif<\/PRE>Všechny mé použité obrázky lze stáhnout zde:<\/P>springfield_test_area - Google Drive<\/A><\/P>

  springfield_output_image17.2.tif<\/STRONG><\/P>Úroveň přiblížení z TMS: 17<\/LI>Velikost buňky: 1.19<\/LI>Hloubka pixelu: 8 bitů bez znaménka<\/LI>3 pásma: RGB<\/LI><\/UL>springfield_output_image18.2.tif<\/STRONG><\/P>Úroveň přiblížení z TMS: 18<\/LI>Velikost buňky: 0.597<\/LI>Hloubka pixelu: 8 bitů bez znaménka<\/LI>3 pásma: RGB<\/LI><\/UL>google_springfield_output_image18.2.tif<\/STRONG><\/P>Úroveň přiblížení z TMS: 18<\/LI>Velikost buňky: 0.597<\/LI>Hloubka pixelu: 8 bitů bez znaménka<\/LI>3 pásma: RGB<\/LI><\/UL>springfield_output_image-3.tif<\/STRONG><\/P>Úroveň přiblížení z TMS: 19<\/LI>Velikost buňky: 0.29<\/LI>Hloubka pixelu: 8 bitů bez znaménka<\/LI>3 pásma: RGB<\/LI><\/UL>springfield_output_image20.tif<\/STRONG><\/P>Úroveň přiblížení z TMS: 30<\/LI>Velikost buňky: 0.149<\/LI>Hloubka pixelu: 8 bitů bez znaménka<\/LI>3 pásma: RGB<\/LI><\/UL>

  Parking Lot Classification - USA<\/A><\/STRONG><\/H3>

  Požadovaný vstup: 8-bitová, 3-pásmová vysoké rozlišení (30 centimetrů -1,2 metru) snímková data. Pro detekci malých parkovišť se velmi doporučuje vyšší rozlišení snímků.<\/P>

  *Oba výstupy byly jednopásmový rastrový obraz, zobrazující souvislý (černý) pás o velikosti rozsahu obrazu.<\/P>

  springfield_output_image-3.tif (0,29 metru/pixel)<\/EM><\/P>Klasifikace pixelů pomocí Deep Learning
  =====================
  Parametry
  
  Vstupní rastrový obraz springfield_output_image-3.tif
  Výstupní klasifikovaný rastrový obraz C:\\Users\\GuestUser\\Documents\\ArcGIS\\Projects\\extract_springfieldroad\\v3_roads.gdb\\parking_springfield_image3_Cl
  Definice modelu C:\\Users\\GuestUser\\Downloads\\ParkingLotClassification_USA.dlpk
  Argumenty padding 100;batch_size 10;predict_background True;test_time_augmentation True
  Režim zpracování PROCESS_AS_MOSAICKED_IMAGE
  Výstupní složka
  =====================
  Prostředí
  
  ID GPU 1
  Výstupní souřadnicový systém PROJCS["WGS_1984_Web_Mercator_Auxiliary_Sphere",GEOGCS["GCS_WGS_1984",DATUM["D_WGS_1984",SPHEROID["WGS_1984",6378137.0,298.257223563]],PRIMEM["Greenwich",0.0],UNIT["Degree",0.0174532925199433]],PROJECTION["Mercator_Auxiliary_Sphere"],PARAMETER["False_Easting",0.0],PARAMETER["False_Northing",0.0],PARAMETER["Central_Meridian",0.0],PARAMETER["Standard_Parallel_1",0.0],PARAMETER["Auxiliary_Sphere_Type",0.0],UNIT["Meter",1.0]]
  Faktor paralelního zpracování 90%
  Rozsah -10388203.4459055 4458875.89868347 -10385663.2119361 4459610.48549814
  Velikost buňky springfield_output_image-3.tif
  Typ procesoru GPU
  =====================
  Zprávy
  
  Čas zahájení: úterý 17. října 2023 13:36:13
  Budování pyramid...
  Úspěch úterý 17. října 2023 13:36:32 (uplynulý čas: 19,47 sekund)
  
  <\/PRE>springfield_output_image18.2.tif (0,597 metru/pixel):<\/EM><\/P>Klasifikace pixelů pomocí Deep Learning
  =====================
  Parametry
  
  Vstupní rastrový obraz springfield_output_image18.tif
  Výstupní klasifikovaný rastrový obraz C:\\Users\\GuestUser\\Documents\\ArcGIS\\Projects\\extract_springfieldroad\\v3_roads.gdb\\parking_springfield_image3_Cl
  Definice modelu C:\\Users\\GuestUser\\Downloads\\ParkingLotClassification_USA.dlpk
  Argumenty padding 100;batch_size 20;predict_background True
  Režim zpracování PROCESS_AS_MOSAICKED_IMAGE
  Výstupní složka
  =====================
  Prostředí
  
  ID GPU 1
  Výstupní souřadnicový systém PROJCS["WGS_1984_Web_Mercator_Auxiliary_Sphere",GEOGCS["GCS_WGS_1984",DATUM["D_WGS_1984",SPHEROID["WGS_1984",6378137.0,298.257223563]],PRIMEM["Greenwich",0.0],UNIT["Degree",0.0174532925199433]],PROJECTION["Mercator_Auxiliary_Sphere"],PARAMETER["False_Easting",0.0],PARAMETER["False_Northing",0.0],PARAMETER["Central_Meridian",0.0],PARAMETER["Standard_Parallel_1",0.0],PARAMETER["Auxiliary_Sphere_Type",0.0],UNIT["Meter",1.0]]
  Snap Raster springfield_output_image18.tif
  Faktor paralelního zpracování 90%
  Rozsah -10388203.4459055 4458875.89868347 -10385663.2119361 4459610.48549814
  Velikost buňky springfield_output_image18.tif
  Typ procesoru GPU
  =====================
  Zprávy
  
  Čas zahájení: úterý 17. října 2023 13:47:01
  Budování pyramid...
  Úspěch úterý 17. října 2023 13:47:20 (uplynulý čas: 19,05 sekund)
  
  <\/PRE>

  High Resolution Land Cover Classification - USA<\/A>

  Požadovaný vstup: 8-bitová, 3-pásmová vysoké rozlišení (80 -100 cm) snímková data.
  
  

  1springfield_output_image18.2.tif:
  
  

  • P6FvodnED velikost bu48ky: 0,597 - 7EE1dnE9 klasifikovanE9 prvky
  • P59evzorkovE1no na velikosti bun1B .8 a 1.DOba vFDsledky vE1m vracely nulovou klasifikaci.
  • Toto vytvo59ilo rastrovFD obraz s odpov1BdajEDcEDmi t59EDdami, ale byl prE1zdnFD.
  
  Classify Pixels Using Deep Learning
  
  =====================
  
  Parameters
  
  
  
  Input Raster springfield_output_image18_2_resampled_8
  
  Output Classified Raster C:\Users\GuestUser\Documents\ArcGIS\Projects\extract_springfieldroad\v3_roads.gdb\springfield_output_image18_2_LandCoverClassification
  
  Model Definition C:\Users\GuestUser\Downloads\HighResolutionLandCoverClassification_USA.dlpk
  
  Arguments padding 128;batch_size 4;predict_background True;test_time_augmentation True;tile_size 512;detailed_classes True
  
  Processing Mode PROCESS_AS_MOSAICKED_IMAGE
  
  Output Folder
  
  =====================
  
  Environments
  
  
  
  GPU ID 1
  
  Output Coordinate System PROJCS["WGS_1984_Web_Mercator_Auxiliary_Sphere",GEOGCS["GCS_WGS_1984",DATUM["D_WGS_1984",SPHEROID["WGS_1984",6378137.0,298.257223563]],PRIMEM["Greenwich",0.0],UNIT["Degree",0.0174532925199433]],PROJECTION["Mercator_Auxiliary_Sphere"],PARAMETER["False_Easting",0.0],PARAMETER["False_Northing",0.0],PARAMETER["Central_Meridian",0.0],PARAMETER["Standard_Parallel_1",0.0],PARAMETER["Auxiliary_Sphere_Type",0.0],UNIT["Meter",1.0]]
  Extent -10390321.9535106 4456296.1558014 -10382824.3535106 4461635.3558014
  
  Cell Size springfield_output_image18_2_resampled_8
  
  Processor Type GPU
  
  =====================
  
  Messages
  
  Start Time Tuesday, January 2, 2024 15:02:34
  
  Building Pyramids...
  
  Succeeded at Tuesday, January 2, 2024 15:02:59 (Elapsed Time:24,10 seconds)
  
  

  Road Extraction - North America

  Požadovaný vstup :8-bitová ,3-pásmová vysoké rozlišení (30-50 cm ) letecké / satelitní snímky

  Úroveň přiblížení snímků :19 :   metr / pixel

  *Toto vytvořilo prázdný rastrový obraz s jednou třídou .

  Klasifikace pixelů pomocí Deep Learning
  =====================
  Parametry
  
  Vstupní rastrový obraz     springfield_output_image-3.tif
  Výstupní klasifikovaný rastrový obraz     C:\Users\GuestUser\Documents\ArcGIS\Projects\extract_springfieldroad\v3_roads.gdb\roads_springfield_image3_Cl
  Definice modelu     C:\Users\GuestUser\Downloads\RoadsExtraction_NorthAmerica.dlpk
  Argumenty     padding 10;batch_size 20;merge_policy max;threshold  .05 ;test_time_augmentation True;merge_policy max
  Režim zpracování     PROCESS_AS_MOSAICKED_IMAGE
  Výstupní složka    
  =====================
  Prostředí
  
  ID GPU     1
  Výstupní souřadnicový systém     PROJCS [ " WGS _1984 _Web _Mercator _Auxiliary _Sphere " , GEOGCS [ " GCS _WGS _1984 " , DATUM [ " D _WGS _1984 " , SPHEROID [ " WGS _1984 " ,6378137 .  ,298 .257223563 ] ] , PRIMEM [ " Greenwich " ,  ] , UNIT [ " Degree " ,  ] ] , PROJECTION [ " Mercator _Auxiliary _Sphere " ] , PARAMETER [ " False _Easting " ,  ] , PARAMETER [ " False _Northing " ,  ] , PARAMETER [ " Central _Meridian " ,  ] , PARAMETER [ " Standard _Parallel _1 " ,  ] , PARAMETER [ " Auxiliary _Sphere _Type " ,  ] , UNIT [ " Meter " ,  ] ]
  Snap Raster     springfield_output_image-3.tif
  Faktor paralelního zpracování     90 %
  Rozsah     -10388203 .4459055 4458875 .89868347 -10385663 .2119361 4459610 .48549814
  Velikost buňky       Typ GPU
  =====================
  Zprávy
  
  Čas zahájení: úterý 17. října 2023 14:16:08
  Stavba pyramid...
  Úspěšně dokončeno v úterý 17. října 2023 14:16:27 (uplynulý čas: 18,54 sekund)
  
  

  Building Footprint Extraction - USA

  Požadovaný vstup: 8bitový, 3-pásmový vysoce kvalitní (10–40 cm) snímek

  Úroveň přiblížení snímku 20: 0,149291 metrů/pixel

  *Tento model pro mě fungoval dobře, jak se očekávalo

  Detekce objektů pomocí Deep Learning
  =====================
  Parametry
  
  Vstupní rastrový soubor     springfield_output_image20.tif
  Výstup detekovaných objektů     C:\Users\GuestUser\Documents\ArcGIS\Projects\extract_springfieldroad\v3_roads.gdb\BuildingsSpringfieldNeighborhoodExtract
  Definice modelu     C:\Users\GuestUser\Downloads\usa_building_footprints.dlpk
  Argumenty     padding 128;batch_size 4;threshold 0.9;return_bboxes False;tile_size 512
  Non Maximum Suppression     NO_NMS
  Pole skóre důvěry     Confidence
  Pole hodnoty třídy     Class
  Maximální překrytí     0
  Režim zpracování     PROCESS_AS_MOSAICKED_IMAGE
  =====================
  Prostředí
  
  ID GPU     0
  Výstupní souřadnicový systém     PROJCS["WGS_1984_Web_Mercator_Auxiliary_Sphere",GEOGCS["GCS_WGS_1984",DATUM["D_WGS_1984",SPHEROID["WGS_1984",6378137.0,298.257223563]],PRIMEM["Greenwich",0.0],UNIT["Degree",0.0174532925199433]],PROJECTION["Mercator_Auxiliary_Sphere"],PARAMETER["False_Easting",0.0],PARAMETER["False_Northing",0.0],PARAMETER["Central_Meridian",0.0],PARAMETER["Standard_Parallel_1",0.0],PARAMETER["Auxiliary_Sphere_Type",0.0],UNIT["Meter",1.0]]
  Faktor paralelního zpracování     80%
  Rozsah     -10388203.4459055 4458875.89868347 -10385663.0682562 4459610.48549814
  Velikost buňky     Springfield Neighborhood Extract Bands.tif
  Maska     Springfield Neighborhood Extract Bands.tif
  Typ procesoru     GPU
  =====================
  Zprávy
  
  Čas zahájení: úterý 17. října 2023 11:31:47
  Úspěšně dokončeno v úterý 17. října 2023 11:36:09 (uplynulý čas: 4 minuty 21 sekund)
  
  

  Poznámky:

  • Konečně jsem si vytrénoval vlastní model pomocí řízené klasifikace objektů přes průvodce klasifikací obrázků. Pro tento účel jsem použil kombinaci pásem. Převáděl jsem LAS (LiDAR) na digitální modely výšek zobrazující minimální bod v buňkách o velikosti 0,5971 metru a kombinoval je s pásmy ze springfield_output_image18.2.tif. To pomohlo modelu rozlišit například mezi střechami a příjezdovými cestami.