Etiqueta | Explicación | Tipo de datos |
Entidades detectadas | Clase de entidad poligonal que contiene los objetos detectados de la herramienta Detectar objetos con aprendizaje profundo. | Feature Class; Feature Layer |
Entidades de realidad del terreno | Clase de entidad poligonal que contiene datos de realidad del terreno. | Feature Class; Feature Layer |
Tabla de precisión de salida | Tabla de precisión de salida. | Table |
Informe de precisión de salida (Opcional) | Nombre del informe de precisión de salida. El informe es un documento PDF que contiene métricas y gráficos de precisión. | File |
Campo de valor de clase detectado (Opcional) | Campo de la clase de entidad de objetos detectados que contiene los valores de clase o los nombres de clase. Si el nombre de campo no se especifica, se utilizará un campo Classvalue o Value. Si estos campos no existen, se identificará que todos los registros pertenecen a una sola clase. Los nombres de clase o los valores de clase deben coincidir exactamente con los de la clase de entidad de referencia del terreno. | Field |
Campo de valor de clase de realidad del terreno (Opcional) | Campo de la clase de entidad de realidad del terreno que contiene los valores de clase. Si el nombre de campo no se especifica, se utilizará un campo Classvalue o Value. Si estos campos no existen, se identificará que todos los registros pertenecen a una sola clase. Los nombres de clase o valores de clase deben coincidir exactamente con los de la clase de entidad de objetos detectados. | Field |
Intersección mínima sobre la unión (IoU) (Opcional) | Relación IoU que se utiliza como umbral para evaluar la precisión del modelo de detección de objetos. El numerador es el área de superposición entre el cuadro de delimitación previsto y el cuadro de delimitación de referencia del terreno. El denominador es el área de unión o el área abarcada por ambos cuadros de delimitación. Los rangos IoU varían de 0 a 1. | Double |
Entidades de máscara (Opcional) | Clase de entidad poligonal que delinea el área o las áreas en la que se calculará la precisión. Solo se evaluará la precisión de las entidades que intersequen la máscara. | Feature Class; Feature Layer |
Disponible con licencia de Image Analyst.
Resumen
Calcula la precisión de un modelo de aprendizaje profundo comparando los objetos detectados por la herramienta Detectar objetos con aprendizaje profundo con los datos de la realidad del terreno.
Más información sobre cómo funciona Calcular precisión para la detección de objetos.
Uso
Esta herramienta genera una tabla que contiene información sobre la precisión de la salida de la herramienta Detectar objetos con aprendizaje profundo.
La tabla contiene métricas de precisión para cada clase en los datos detectados, así como una fila para todas las clases (exactitud general). La tabla de salida contiene los siguientes campos:
- Precision— Relación del número de positivos verdaderos respecto al número total de predicciones.
- Recall— Relación del número de positivos verdaderos respecto al número total de predicciones positivas.
- F1_Score— Media ponderada de la precisión y recuperación. Los valores varían de 0 a 1, donde 1 corresponde a la precisión más alta.
- AP— Métrica Precisión media (AP), que es el promedio de precisión de todos los valores que se recuperan entre 0 y 1 en un valor de intersección sobre la unión (IoU) determinado.
- True_Positive— Número de valores positivos verdaderos generados por el modelo.
- False_Positive— Número de falsos positivos generados por el modelo.
- False_Negative— Número de falsos negativos generados por el modelo.
Para obtener más información sobre las métricas proporcionadas en la tabla de salida y en el informe de precisión, consulte Cómo funciona Calcular la exactitud para la detección de objetos.
Los datos de referencia del terreno de entrada deben contener polígonos. Si tiene datos de punto o línea que indican la ubicación de los objetos, utilice la herramienta Zona de influencia para generar una clase de entidad poligonal antes de ejecutar esta herramienta.
La relación Intersección sobre la unión (IoU) se utiliza como umbral para determinar si un resultado previsto es un verdadero positivo o un falso positivo. La relación IoU es la cantidad de superposición entre el cuadro de delimitación alrededor de un objeto previsto y el cuadro de delimitación alrededor de los datos de referencia del terreno.
Área de intersección del cuadro de delimitación previsto y el cuadro de delimitación de referencia del terreno
Área total del cuadro de delimitación previsto y el cuadro de delimitación de referencia del terreno combinados
Parámetros
ComputeAccuracyForObjectDetection(detected_features, ground_truth_features, out_accuracy_table, {out_accuracy_report}, {detected_class_value_field}, {ground_truth_class_value_field}, {min_iou}, {mask_features})
Nombre | Explicación | Tipo de datos |
detected_features | Clase de entidad poligonal que contiene los objetos detectados de la herramienta Detectar objetos con aprendizaje profundo. | Feature Class; Feature Layer |
ground_truth_features | Clase de entidad poligonal que contiene datos de realidad del terreno. | Feature Class; Feature Layer |
out_accuracy_table | Tabla de precisión de salida. | Table |
out_accuracy_report (Opcional) | Nombre del informe de precisión de salida. El informe es un documento PDF que contiene métricas y gráficos de precisión. | File |
detected_class_value_field (Opcional) | Campo de la clase de entidad de objetos detectados que contiene los valores de clase o los nombres de clase. Si el nombre de campo no se especifica, se utilizará un campo Classvalue o Value. Si estos campos no existen, se identificará que todos los registros pertenecen a una sola clase. Los nombres de clase o los valores de clase deben coincidir exactamente con los de la clase de entidad de referencia del terreno. | Field |
ground_truth_class_value_field (Opcional) | Campo de la clase de entidad de realidad del terreno que contiene los valores de clase. Si el nombre de campo no se especifica, se utilizará un campo Classvalue o Value. Si estos campos no existen, se identificará que todos los registros pertenecen a una sola clase. Los nombres de clase o valores de clase deben coincidir exactamente con los de la clase de entidad de objetos detectados. | Field |
min_iou (Opcional) | Relación IoU que se utiliza como umbral para evaluar la precisión del modelo de detección de objetos. El numerador es el área de superposición entre el cuadro de delimitación previsto y el cuadro de delimitación de referencia del terreno. El denominador es el área de unión o el área abarcada por ambos cuadros de delimitación. Los rangos IoU varían de 0 a 1. | Double |
mask_features (Opcional) | Clase de entidad poligonal que delinea el área o las áreas en la que se calculará la precisión. Solo se evaluará la precisión de las entidades que intersequen la máscara. | Feature Class; Feature Layer |
Muestra de código
En este ejemplo se genera una tabla de precisión para un valor de IoU mínimo especificado.
# Import system modules
import arcpy
from arcpy.ia import *
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
# Execute
ComputeAccuracyForObjectDetection(
"C:/DeepLearning/Data.gdb/detectedFeatures",
"C:/DeepLearning/Data.gdb/groundTruth",
"C:/DeepLearning/Data.gdb/accuracyTable",
"E:/DeepLearning/accuracyReport.pdf", "Class",
"Class", 0.5, " C:/DeepLearning/Data.gdb/AOI")
En este ejemplo se genera una tabla de precisión para un valor de IoU mínimo especificado.
# Import system modules
import arcpy
from arcpy.ia import *
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
# Set local variables
detected_features = "C:/DeepLearning/Data.gdb/detectedFeatures"
ground_truth_features = "C:/DeepLearning/Data.gdb/groundTruth"
out_accuracy_table = "C:/DeepLearning/Data.gdb/accuracyTable"
out_accuracy_report = "C:/DeepLearning/accuracyReport.pdf"
detected_class_value_field = "Class"
ground_truth_class_value_field = "Class"
min_iou = 0.5
mask_features = "C:/DeepLearning/Data.gdb/AOI"
# Execute
ComputeAccuracyForObjectDetection(detected_features,
ground_truth_features, out_accuracy_table,
out_accuracy_report, detected_class_value_field,
ground_truth_class_value_field, min_iou, mask_features)
Temas relacionados
- Descripción general del conjunto de herramientas Aprendizaje profundo
- Instalar marcos de aprendizaje profundo para ArcGIS
- Entrenar un modelo de aprendizaje profundo
- Argumentos del aprendizaje profundo
- Arquitecturas del modelo de aprendizaje profundo
- Buscar una herramienta de geoprocesamiento
- Cómo funciona Calcular precisión para la detección de objetos