Punktwolken-Klassifizierungsmodell evaluieren (3D Analyst)

Zusammenfassung

Wertet die Qualität eines oder mehrerer Punktwolken-Klassifizierungsmodelle aus, wobei eine gut klassifizierte Punktwolke als Basislinie für den Vergleich der Klassifizierungsergebnisse der einzelnen Modelle verwendet wird.

Verwendung

  • Um optimale Auswertungsergebnisse zu erhalten, muss die Referenzpunktwolke richtig für die relevanten Objekte, die ausgewertet werden, klassifiziert sein.

  • Alle Eingabemodelle, die ausgewertet werden, müssen dieselben Klassifizierungscodes aufweisen. Wenn die Referenzpunktwolke keine Klassencodes aufweist, deren Werte oder Bedeutung mit den Klassen in den ausgewerteten Modellen übereinstimmen, verwenden Sie den Parameter Punktwolkenklassen-Neuzuordnung, um der Klassifizierung der Referenzpunktwolke die in den trainierten Modellen enthaltenen Codes zuzuweisen.

  • Die Deep-Learning-Architektur "PointCNN" dient zum Erstellen des Punktwolken-Klassifizierungsmodells. Diese Architektur führt beim Verarbeiten derselben Eingabedaten möglicherweise zu geringfügig anderen Ergebnissen. Sie können dasselbe Modell mehr als einmal als Eingabe festlegen, um die Konsistenz des Klassifizierungsergebnisses aus der Punktwolke zu evaluieren. Weitere Informationen zur möglichen Variabilität in den Klassifizierungsergebnissen finden Sie unter PointCNN: Convolution On X-Transformed Points.

  • Der Auswertungsprozess erstellt mehrere Ausgabedateien für den Parameter Zielordner. Die einzelnen Dateinamen beginnen mit dem für den Parameter Basisname angegebenen Wert.

    • <Basisname>_ModelStatistics.csv: Eine Tabelle, die für jedes Modell Gesamtgenauigkeit, Genauigkeit, Recall und F-Maß enthält.
    • <Basisname>_ClassCodeStatistics.csv: Eine Tabelle, in der die Auswertungsergebnisse für Genauigkeit, Präzision, Recall und F-Maß für jeden Klassencode zusammengefasst werden.
    • <Basisname>_ConfusionMatrices.csv: Eine Tabelle, in der zusammengefasst wird, wie die einzelnen Punkte aus jedem Klassencode in der Referenzpunktwolke von den Eingabemodellen klassifiziert wurden. Diese Tabelle enthält neben der Anzahl der True Positives und False Positives die Klassen, in denen die False Positives aufgetreten sind.
    • <Basisname>_ConfusionMatrix_<model number>.png: Ein Bild, das ein Diagramm mit einer verständlichen Darstellung der Konfusionsmatrix für ein bestimmtes Modell zeigt.

Parameter

BeschriftungErläuterungDatentyp
Definition des Eingabemodells

Die Punktwolken-Klassifizierungsmodelle, die ausgewertet werden. Zulässige Eingabetypen sind Esri Modelldefinition (.emd)- und Deep-Learning-Paket (.dlpk)-Dateien.

File; String
Referenzpunktwolke

Die Punktwolke die für die Auswertung der Klassifizierungsmodelle verwendet wird.

LAS Dataset Layer; File
Zielordner

Das Verzeichnis, in dem die Dateien gespeichert werden, in denen die Auswertungsergebnisse zusammengefasst werden.

Folder
Basisname

Der Name, der für sämtliche Dateien als Präfix dient, in denen Auswertungsergebnisse zusammengefasst werden.

String
Verarbeitungsbegrenzung
(optional)

Das Polygon-Feature, das die Teile der zum Auswerten der Klassifizierungsmodelle verwendeten Referenpunktwolke darstellt.

Feature Layer
Punktwolkenklassen-Neuzuordnung
(optional)

Die Art und Weise, in der Klassencodes aus der Referenzpunktwolke neu zugeordnet werden, damit sie den Klassencodes in den ausgewerteten Modellen entsprechen.

Value Table

Abgeleitete Ausgabe

BeschriftungErläuterungDatentyp
Ausgabe-Konfusionsmatrizen

Die Tabelle im CSV-Format, in der die Konfusionsmatrix für die einzelnen Klassencodes in jedem Eingabemodell gespeichert wird.

Text File
Ausgabe-Modellstatistiken

Die Tabelle im CSV-Format, in der die Gesamtstatistiken der Eingabemodelle zusammengefasst werden.

Text File
Ausgabe-Klassencode-Statistiken

Die Tabelle im CSV-Format, in der die Statistiken für die einzelnen Klassencodes in jedem Eingabemodell zusammengefasst werden.

Text File

arcpy.ddd.EvaluatePointCloudClassificationModel(in_trained_model, in_point_cloud, target_folder, base_name, {boundary}, {class_remap})
NameErläuterungDatentyp
in_trained_model
[in_trained_model,...]

Die Punktwolken-Klassifizierungsmodelle, die ausgewertet werden. Zulässige Eingabetypen sind Esri Modelldefinition (.emd)- und Deep-Learning-Paket (.dlpk)-Dateien.

File; String
in_point_cloud

Die Punktwolke die für die Auswertung der Klassifizierungsmodelle verwendet wird.

LAS Dataset Layer; File
target_folder

Das Verzeichnis, in dem die Dateien gespeichert werden, in denen die Auswertungsergebnisse zusammengefasst werden.

Folder
base_name

Der Name, der für sämtliche Dateien als Präfix dient, in denen Auswertungsergebnisse zusammengefasst werden.

String
boundary
(optional)

Das Polygon-Feature, das die Teile der zum Auswerten der Klassifizierungsmodelle verwendeten Referenpunktwolke darstellt.

Feature Layer
class_remap
[class_remap,...]
(optional)

Die Art und Weise, in der Klassencodes aus der Referenzpunktwolke neu zugeordnet werden, damit sie den Klassencodes in den ausgewerteten Modellen entsprechen.

Value Table

Abgeleitete Ausgabe

NameErläuterungDatentyp
out_confusion_matrices

Die Tabelle im CSV-Format, in der die Konfusionsmatrix für die einzelnen Klassencodes in jedem Eingabemodell gespeichert wird.

Text File
out_model_statistics

Die Tabelle im CSV-Format, in der die Gesamtstatistiken der Eingabemodelle zusammengefasst werden.

Text File
out_class_code_statistics

Die Tabelle im CSV-Format, in der die Statistiken für die einzelnen Klassencodes in jedem Eingabemodell zusammengefasst werden.

Text File

Codebeispiel

EvaluatePointCloudUsingTrainedModel – Beispiel (Python-Fenster)

Anhand des folgenden Beispiels wird die Verwendung dieses Werkzeugs im Python-Fenster veranschaulicht.

import arcpy
arcpy.env.workspace = 'C:/data'
arcpy.ddd.EvaluatePointCloudUsingTrainedModel(
        ['Transmission_Power_Lines.dlpk', 'Distribution_Power_Lines.dlpk'], 
        'Classified_Power_Lines.lasd', 'D:/Evaluate_PointCNN_Models', 
        'Power_Line_Results_', 'test_boundary.shp', [[18, 14], [20, 14]])

Lizenzinformationen

  • Basic: Erfordert 3D Analyst
  • Standard: Erfordert 3D Analyst
  • Advanced: Erfordert 3D Analyst

Verwandte Themen