Vue d’ensemble du jeu d’outils Classification et reconnaissance de modèles

Disponible avec une licence Image Analyst.

Disponible avec une licence Spatial Analyst.

Le jeu d’outils Classification et reconnaissance de modèles contient des outils pour réaliser des processus d’analyse de classification et régression, notamment l’évaluation de la précision.

Outils du jeu d’outils Classification et reconnaissance de modèles

Outil	Description
Classer le raster	Classe un jeu de données raster en fonction d’un fichier de définition de classificateur Esri (.ecd) et de jeux de données raster en entrée. Le fichier .ecd contient toutes les informations nécessaires pour procéder à un type de classement spécifique pris en charge par Esri. Les entrées de cet outil doivent correspondre à celles utilisées pour générer le fichier .ecd requis.
Classer le raster à l’aide d’un spectre	Classe un jeu de données raster multicanal à l’aide de techniques d'appariement spectral. Les données spectrales en entrée peuvent être fournies sous forme de classe d’entités ponctuelles ou de fichier .json.
Calculer la matrice de confusion	Calcule une matrice de confusion avec les erreurs d’omission et mandate et déduit un indice kappa de concordance, une intersection sur union (IoU) et une précision globale entre la carte classée et les données de référence.
Calculer les attributs de segments	Calcule un jeu d’attributs associé à l’image segmentée. Le raster en entrée peut être une image segmentée 8 bits, monocanale ou 3 canaux.
Créer des points d’évaluation de la précision	Crée des points échantillonnés de manière aléatoire pour évaluer la précision de la post-classification.
Générer des échantillons d’apprentissage à partir de points d’origine	Génère des échantillons d'apprentissage à partir de points d'origine, tels que des points d’évaluation de la précision ou des points d’échantillons d'apprentissage. Cet outil sert généralement à générer des échantillons d'apprentissage à partir d'une source existante, telle qu'un raster thématique ou une classe d'entités.
Inspecter les échantillons d’apprentissage	Estime la précision d’échantillons d'apprentissage individuels. La précision de la validation croisée est calculée à l’aide du résultat d’apprentissage de la classification précédemment généré dans un fichier .ecd et des échantillons d’apprentissage. Les sorties sont notamment un jeu de données raster contenant les valeurs des classes incorrectement classées et un jeu de données d'échantillons d'apprentissage avec le score de précision pour chaque échantillon d'apprentissage.
Démixage spectral linéaire	Effectue une classification inférieure au pixel et calcule l’abondance fractionnelle de différents types d’occupation du sol pour certains pixels.
Prévoir à l’aide d’un modèle de régression	Prédit les valeurs des données en utilisant la sortie de l’outil Train Random Trees Regression Model (Entraîner le modèle de régression Arbres aléatoires).
Supprimer les artefacts de tuilage des segments raster	Corrige les segments ou objets coupés par les limites de tuiles au cours du processus de segmentation effectué en tant que fonction raster. Cet outil est utile pour certains processus régionaux, comme la segmentation d’image, présentent des incohérences à proximité des limites de tuiles d’image. Cette étape de traitement est incluse dans l’outil Décalage moyen de segment. Elle ne doit être utilisée que sur une image segmentée non créée à partir de cet outil.
Décalage moyen de segment	Regroupe les pixels adjacents qui présentent des caractéristiques spectrales similaires dans des segments.
Préparer le classificateur d’agrégats ISO	Génère un fichier de définition de classificateur Esri (.ecd) à l’aide de la définition de classification des agrégats ISO.
Entraîner le classificateur K voisins les plus proches	Génère un fichier de définition de classificateur Esri (.ecd) à l’aide de la méthode de classification K voisins les plus proches.
Préparer le classificateur de vraisemblance maximale	Génère un fichier de définition de classificateur Esri (.ecd) à l’aide de la définition de classification du classificateur de vraisemblance maximale (MLC).
Préparer le classificateur d’arbres aléatoires	Génère un fichier de définition de classificateur Esri (.ecd) à l’aide de la méthode de classification Arbres aléatoires.
Entraîner le modèle de régression Arbres aléatoires	Modélise la relation entre les variables explicatives et un jeu de données cible en utilisant l’analyse des arbres aléatoires.
Préparer le classificateur de machines à vecteurs de support	Génère un fichier de définition de classificateur Esri (.ecd) à l’aide de la définition de classification des machines à vecteurs de support (SVM).
Mettre à jour les points d’évaluation de la précision	Met à jour le champ Target dans la table attributaire pour comparer des points de référence à l’image classée.