Подпись | Описание | Тип данных |
Входные точки оценки точности | Класс объектов точек оценок точности создаётся инструментом Создать точки оценки точности, он содержит поля Classified и GrndTruth. Эти оба поля типа long integer. | Feature Layer |
Выходная матрица несоответствий | Имя выходного файла матрицы неточностей в табличном формате. Формат таблицы определяется выходным местоположением и путем к ней. По умолчанию выходными данными будет таблица базы геоданных. Если путь не в базе геоданных, укажите расширение .dbf, чтобы сохранить его в формате dBASE. | Table |
Краткая информация
Вычисляет матрицу неточностей с ошибками пропуска и невыполнения и определяет индекс согласованности каппа, пересечение по объединению (IoU), а также вычисляет общую точность между классифицированной картой и базовыми данными.
Этот инструмент использует выходные данные инструмента Создать точки оценки точности или Обновить точки оценки точности.
Использование
Рабочий процесс оценки точности обычно использует следующие три инструмента в указанном порядке: Создать точки оценки точности, Обновить точки оценки точности и Вычисление матрицы неточностей.
Этот инструмент вычисляет матрицу несоответствий, используя произвольные точки оценки точности. Точки оценки точности создаются инструментом Создать точки оценки точности и обновляются при помощи инструмента Обновить точки оценки точности. Эти два инструмента гарантируют, что каждая точка имеет корректные значения класса в полях Classified и GrndTruth. Эти оба поля типа long integer. Инструмент вычисляет точность пользователя и точность построителя для каждого класса, а также общий индекс Kappa. Диапазон точности варьируется от 0 до 1, при этом 1 означает 100% точность. Ниже приведен пример матрицы несоответствий:
c_1 c_2 c_3 Всего U_Accuracy Kappa c_1
49
4
4
57
0.8594
0
c_2
2
40
2
44
0.9091
0
c_3
3
3
59
65
0.9077
0
Всего
54
47
65
166
0
0
P_Accuracy
0.9074
0.8511
0.9077
0
0.8916
0
Kappa
0
0
0
0
0
0.8357
Пример матрицы несоответствий Пользовательская точность - это показатель количества пикселов, которые были правильно классифицированы, из общего числа пикселов, которые были отнесены к данному классу. Остальные пикселы, отнесенные к этому классу, принадлежат другому классу или идентифицированы как другой класс в соответствии с базовой информацией; они являются ложноположительными.
Пользовательская точность также называется ошибками выполнения, или ошибками 1-го типа. Данные для расчета коэффициента ошибок считываются со строк таблицы.
Строка Всего показывает число точек, которые, согласно базовым данным, должны были определиться как заданный класс.
Точность построителя - это ложноотрицательное значение, при котором пикселы известного класса классифицируются как нечто отличное от этого класса. Примером может служить случай, когда классифицированное изображение идентифицирует пиксел как лес, но он должен быть непроницаемым. В этом случае, непроницаемый класс – это отсутствующие пикселы в соответствии с базовыми данными.
Точность построителя также называют ошибками пропуска или ошибкой типа 2. Данные для расчета этого коэффициента ошибок считываются со столбцов таблицы.
Столбец Всего показывает число точек, которые, согласно классифицированной карте, определились как заданный класс.
Индекс Kappa дает общую оценку точности классификации.
Пересечение по объединению (IoU) - это область перекрытия между прогнозируемой сегментацией и истинно точными данными, деленная на область слияния между прогнозируемой сегментацией и истинно точными данными. Среднее значение IoU вычисляется для каждого класса.
Параметры
ComputeConfusionMatrix(in_accuracy_assessment_points, out_confusion_matrix)
Имя | Описание | Тип данных |
in_accuracy_assessment_points | Класс объектов точек оценок точности создаётся инструментом Создать точки оценки точности, он содержит поля Classified и GrndTruth. Эти оба поля типа long integer. | Feature Layer |
out_confusion_matrix | Имя выходного файла матрицы неточностей в табличном формате. Формат таблицы определяется выходным местоположением и путем к ней. По умолчанию выходными данными будет таблица базы геоданных. Если путь не в базе геоданных, укажите расширение .dbf, чтобы сохранить его в формате dBASE. | Table |
Пример кода
Пример вычисления матрицы несоответствий на основе точек оценки точности.
import arcpy
from arcpy.ia import *
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
accuracy_assessment_points = "c:test\\aapnt2.shp"
confusion_matrix = "c:\\test\\confm.dbf"
ComputeConfusionMatrix(accuracy_assessment_points, confusion_matrix)