| 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. Оба поля Classified и GrndTruth типа long integer. | Feature Layer |
Выходная матрица несоответствий | Имя выходного файла матрицы несоответствий 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 для сохранения в формате dBASE. | Table |
Доступно с лицензией Spatial Analyst.
Доступно с лицензией Image Analyst.
Краткая информация
Вычисляет матрицу неточностей с ошибками пропуска и невыполнения и определяет индекс согласованности каппа, Пересечение по наложению (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
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. Оба поля Classified и GrndTruth 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 Точность пользователя дает ложно-положительные результаты, если пикселы ошибочно классифицируются как некий известный класс, когда их следовало классифицировать как нечто другое. Примером может служить классифицированное изображение, где пиксел указан как непроницаемый, а базовые данные указывают, что это лес. Непроницаемый класс имеет дополнительные пикселы, которые он не должен иметь в соответствии с базовыми данными.
Точность пользователя называют также ошибками достоверности или ошибкой типа 1. Данные для расчета коэффициента ошибок считываются со строк таблицы.
Строка Total показывает число точек, которые, согласно базовым данным, должны были определиться как заданный класс.
Точность производителя является ложно-отрицательной, когда пикселы известного класса классифицируются как нечто иное, чем этот самый класс. Примером может служить классифицированное изображение, где пиксел указан как лес, а он должен быть непроницаемым. В этом случае, непроницаемый класс – это отсутствующие пикселы в соответствии с базовыми данными.
Точность построителя также называют ошибками пропуска и невыполнения или ошибкой типа 2. Данные для расчета этого коэффициента ошибок считываются со столбцов таблицы.
Столбец Total показывает число точек, которые, согласно классифицированной карте, определились как заданный класс.
Индекс Kappa дает общую оценку точности классификации.
Пересечение по объединению (IoU) - область перекрытия между прогнозируемой сегментацией и истинной точностью, деленная на область объединения между прогнозируемой сегментацией и истинной точностью. 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. Оба поля Classified и GrndTruth типа long integer. | Feature Layer |
out_confusion_matrix | Имя выходного файла матрицы несоответствий 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 для сохранения 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)Параметры среды
Этот инструмент не использует параметры среды геообработки
Информация о лицензиях
- Basic: Обязательно Image Analyst или Spatial Analyst
- Standard: Обязательно Image Analyst или Spatial Analyst
- Advanced: Обязательно Image Analyst или Spatial Analyst