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）






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）

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

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

第三步：

点击添加数据，将所需要的数据加载到地图窗口






地图显示结果：

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。





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。

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。










选择手绘

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


***




选取结果保存

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。

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。






运行结果：

第九步：

点击地理处理，输入要素转点，运行。




运行结果：



最终提取结果：

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）