基于ArcGIS Pro深度学习模块的树木识别流程

Dear 丶 2023-01-23 07:53 267阅读 0赞

# 基于ArcGIS Pro深度学习模块的树木识别流程 #

**数据准备：航摄倾斜可见光影像数据  
环境搭建：下载ArcGIS Pro，注册一个账号(学生用户)，用于登录（登录需要在联网的环境下进行）**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70]![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 1]  
**安装ArcGIS Pro，载入破解文件，安装中文语言包，克隆python环境（使用第一步，会安装一个名为deeplearning的环境）**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 2]

## 第一步： ##

**安装深度学习框架。**  
打开安装目录中的Python Command Prompt ，输入以下命令：

a.conda create --name deeplearning --clone arcgispro-py3 
    b. activate deeplearning 
    c. conda install tensorflow-gpu=1.14.0 
    d. conda install keras-gpu=2.2.4 
    e. conda install scikit-image=0.15.0 
    f. conda install Pillow=6.1.0 
    g. conda install fastai=1.0.54 
    h. conda install pytorch=1.1.0 
    i. conda install libtiff=4.0.10 --no-deps 
    j. proswap deeplearning

安装完成  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 3]

## 第二步： ##

**打开ArcGIS Pro，点击新建工程，工程模板选择地图，输入工程的名称以及工程所在文件夹，建立工程文件**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 4]![在这里插入图片描述][20210713173450980.png]

## 第三步： ##

**点击添加数据，将所需要的数据加载到地图窗口**  
![在这里插入图片描述][20210713173512795.png]![在这里插入图片描述][20210713173523504.png]![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 5]  
地图显示结果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 6]

## 第四步： ##

**由于所加载的图像缺少投影信息，在本步骤定义投影坐标系。点击地理处理，搜索定义投影，选择所要添加投影的图层，选择适合的投影坐标系。**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 7]![在这里插入图片描述][20210713173628492.png]  
如果所选择的数据集图层提示，则表明已有坐标系，不用添加坐标系。  
![在这里插入图片描述][20210713173642924.png]

## 第五步： ##

**选中图层，点击影像工具条，影像分类中的分类工具，选择标注对象以供深度学习使用，建立分类方案，修改方案名称，添加新类。**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 8]![在这里插入图片描述][20210713173707710.png]![在这里插入图片描述][20210713173717465.png]  
![在这里插入图片描述][2021071317372537.png]  
![在这里插入图片描述][20210713173730690.png]  
选择手绘  
![在这里插入图片描述][20210713173751629.png]

## 第六步： ##

\*\*\****最关键的一步，需要严格按照树木边界绘制样本数据，否则分类结果精度较低。样本选取个数不少于50个，选取原则：满幅均匀选取，具有代表性，多种类型树木都要选取，界限要具有可区分性*** \*\*\*  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 9]![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 10]  
选取结果保存  
![在这里插入图片描述][20210713173902574.png]

## 第七步： ##

**点击地理处理，输入导出训练数据进行深度学习，选择输入栅格，蜀西湖文件夹，选择上一步分类样本数据，选择值字段，元数据格式PASCAL 可视化对象类。点击运行。**  
![在这里插入图片描述][20210713173919931.png]

## 第八步： ##

**点击地理处理，输入训练深度学习模型，选择栅格图层，设置输出文件夹，选择上一步生成的模型定义emd文件，其他默认即可，点击运行。**  
![在这里插入图片描述][20210713173942358.png]![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 11]![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 12]  
运行结果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 13]

## 第九步： ##

**点击地理处理，输入要素转点，运行。**  
![在这里插入图片描述][20210713174022384.png]  
运行结果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 14]  
最终提取结果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 15]

## 小结： ##

（本次实验，样本只选择了22个，所以精度较低，准确度较第一次实验有所提高，关键点为第六步的样本绘制，错误识别的数据也较多，望读者好好研究，可以提高精度）

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20210713173243392.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 1]: /images/20221004/51cb27bd945748f5b8b7cf75aab94a66.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 2]: /images/20221004/301bc3f343f142708599e3d4d55b07b5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 3]: /images/20221004/c03ebd90a50445d0ac98302f8ec263cb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20210713173437286.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM=,size_16,color_FFFFFF,t_70
[20210713173450980.png]: /images/20221004/f760e54c99fb49fe85344eb2ccc373a0.png
[20210713173512795.png]: https://img-blog.csdnimg.cn/20210713173512795.png
[20210713173523504.png]: https://img-blog.csdnimg.cn/20210713173523504.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 5]: /images/20221004/0f58abca3f804d40a1c162e47fad7a70.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 6]: /images/20221004/137470389f2a4763946ad4eb5700c81a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 7]: https://img-blog.csdnimg.cn/20210713173614583.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM=,size_16,color_FFFFFF,t_70
[20210713173628492.png]: /images/20221004/121f1f06ac7847789b32f807ea48e469.png
[20210713173642924.png]: /images/20221004/c602313781854695835a0604c4f6184c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 8]: https://img-blog.csdnimg.cn/20210713173702252.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM=,size_16,color_FFFFFF,t_70
[20210713173707710.png]: https://img-blog.csdnimg.cn/20210713173707710.png
[20210713173717465.png]: /images/20221004/9ac13cf7e5fa48728899beb56ee0d188.png
[2021071317372537.png]: /images/20221004/6f7126d6ab3c405780a1e653f6b75ffd.png
[20210713173730690.png]: /images/20221004/f35a96a655b54945aef628657e54a66e.png
[20210713173751629.png]: /images/20221004/4b6a509793c547daa24f577cd0d19edf.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 9]: https://img-blog.csdnimg.cn/20210713173843549.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 10]: /images/20221004/b149e34a36684c7aaefac67f1009ab88.png
[20210713173902574.png]: /images/20221004/a949206ad7b945b6bf8cab48376ad483.png
[20210713173919931.png]: /images/20221004/786005c46510479ca011b86b5be46140.png
[20210713173942358.png]: https://img-blog.csdnimg.cn/20210713173942358.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 11]: https://img-blog.csdnimg.cn/20210713173950446.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 12]: /images/20221004/0e5e3814a3da4502ba220218c23ca438.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 13]: /images/20221004/6e0bcb7182a24dadbe03b8bc6fd33ac7.png
[20210713174022384.png]: /images/20221004/4416c605b87e445f9684ec846051d78a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 14]: /images/20221004/b27a33744b4745988c0d10d344fb8b4a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5nemlsaGM_size_16_color_FFFFFF_t_70 15]: /images/20221004/87426c3e3a5347dbb7901353b6e023dc.png