Image Analyst ライセンスで利用できます。
Spatial Analyst のライセンスで利用可能。
分類およびパターン認識ツールセットには、精度評価を含む、分類と回帰分析のワークフローを実行するためのツールが含まれています。
| ツール | 説明 |
|---|---|
Esri 分類器定義ファイル (.ecd) とラスター データセット入力に基づいて、ラスター データセットを分類します。 .ecd ファイルには、Esri がサポートする特定タイプの分類を実行するために必要なすべての情報が含まれています。 このツールへの入力は、必要な .ecd ファイルの生成に使用される入力と一致する必要があります。 | |
スペクトルマッチング技術を使用してマルチバンド ラスター データセットを分類します。 入力スペクトル データはポイント フィーチャクラスまたは .json ファイルとして提供することができます。 | |
オミッション エラーおよびコミッション エラーを使用して混同行列を計算し、分類済みマップと参照データ間のカッパ値、IoU (Intersection over Union)、および全体的な精度を出力します。 | |
セグメント画像に関連付けられた一連の属性を計算します。 入力ラスターは、シングルバンドまたは 3 バンドの 8 ビットのセグメント画像です。 | |
分類後の精度評価のためにランダムにサンプリングされたポイントを作成します。 | |
シード ポイントからトレーニング サンプルを生成 (Generate Training Samples From Seed Points) | 精度評価ポイントやトレーニング サンプル ポイントなどのシード ポイントからトレーニング サンプルを作成します。 一般的には、主題ラスターやフィーチャクラスなどの既存のソースからトレーニング サンプルを生成する場合に使用されます。 |
個々のトレーニング サンプルの精度を評価します。 .ecd ファイル内の以前に生成された分類トレーニング結果とトレーニング サンプルを使用して、相互整合チェック精度が計算されます。 出力には、誤分類されたクラス値が格納されるラスター データセットと、各トレーニング サンプルの精度スコアを含むトレーニング サンプル データセットが含まれます。 | |
サブピクセル分類を実行し、ピクセルごとに異なる土地被覆タイプの部分存在量を算出します。 | |
[ランダム ツリーによる回帰モデル定義ファイルの作成 (Train Random Trees Regression Model)] ツールからの出力を使用して、データ値を予測します。 | |
ラスター セグメントのタイル アーティファクトの削除 (Remove Raster Segment Tiling Artifacts) | ラスター関数として実行されたセグメンテーション プロセス中にタイル境界で切られたセグメントまたはオブジェクトを修正します。 このツールは、画像タイル境界の近くで不整合が発生するリージョン プロセス (画像セグメンテーションなど) に役立ちます。 この処理ステップは [セグメント平均シフト (Segment Mean Shift)] ツールに含まれているため、そのツールから作成されなかったセグメント画像にのみこのツールを使用する必要があります。 |
類似したスペクトル特性を持つセグメント隣接ピクセルにグループ化します。 | |
ISO クラスター分類定義を使用して、Esri 分類器定義ファイル (.ecd) を作成します。 | |
K 最近隣内挿法による分類器定義ファイルの作成 (Train K-Nearest Neighbor Classifier) | 分類方法として K 最近隣内挿法を使用して、Esri 分類器定義ファイル (.ecd) を生成します。 |
最尤法分類器 (MLC) 分類定義を使用して、Esri 分類器定義ファイル (.ecd) を作成します。 | |
ランダム ツリー分類方法を使用して、Esri 分類器定義ファイル (.ecd) を作成します。 | |
ランダム ツリーによる回帰モデル定義ファイルの作成 (Train Random Trees Regression Model) | ランダム ツリー解析を使用して、説明変数とターゲット データセットの関係をモデル化します。 |
SVM による分類器定義ファイルの作成 (Train Support Vector Machine Classifier) | SVM 分類定義を使用して、Esri 分類器定義ファイル (.ecd) を作成します。 |
参照ポイントを分類済み画像と比較するには、属性テーブルの Target フィールドを更新します。 |