基于arcpro3.0.2版的使用深度学习目标提取之建筑房屋
采用像素分类方法，像素分类一般把多边形详细轮廓给标注出来，
而目标检测就标注出对象大致矩形框就行,

本次训练结果：采用GPU显卡Nivda 1080 训练模型图
20个周期+GPU训练

（一）打开 使用深度学习分类像素 (Image Analyst),
classify-pixels-using-deep-learning
采用像素分类方法 参数
输入栅格为要检测的影像
模型定位为上一步输出的outBuildingDeepLabV3_ResNet34.dlpk文件
cpu模式+Max Overlap Ratio=0 、Max Overlap Ratio=0.4
运行时间：3个小时，
输出红色区域为预测房屋的栅格文件tif


（二）采用DeepLapV3+Backbone: resNet34+20个Epochs+GPU训练
生成的模型评价指标 F1=0.94

（三）制作样本并导出样本库

添加影像tif文件为一个栅格图层,选中此栅格图层，再点击pro的影像选项卡/分类工具/训练样本管理器(或标注对象以供深度学习使用)工具。打开如下所示影像分类面板。
第一步： 新建Building方案，
第二步：新建类building,选中绘制多边形工具，即工具栏中第二个画面工具，
建立building类（value随便填，一般填123456789，最好别填0，指不定会报错）本人设置value=1
第三步：抽样绘制多多的要训练样本面列表，
第四步：另存为样本面要素为面图层保存到gdb库中，
第五步：保存样本方案文件Building.ecs

最后：导出训练数据
元数据格式：采用分类切片，因为是采用像素分类方法
像素分类一般把多边形详细轮廓给标注出来，
目标检测就标注出对象大致矩形框就行,
建立building类（value随便填，一般填123456789，最好别作shi填0，指不定会报错

本blog地址：https://blog.csdn.net/hsg77