Подпись | Описание | Тип данных |
Входной растр | Входной классифицируемый растр. | Mosaic Layer; Raster Layer; Image Service; String |
Входной файл обучающей выборки | Класс объектов обучающей выборки создан на панели Менеджер обучающих выборок. | Feature Layer |
Входной файл определения классификатора | Выходной файл классификации .ecd любого из инструментов классификации с обучением. .ecd – это файл JSON, который содержит информацию об атрибутах, статистику и другую информацию, необходимую для классификатора. | File |
Выходной класс объектов обучающей выборки с баллами | Выходные отдельные обучающие выборки сохраняются как класс пространственных объектов. Связанная атрибутивная таблица содержит дополнительное поле с показателем (баллами) точности. | Feature Class |
Выходной неправильно классифицированный растр | Выходной неправильно классифицированный растр, имеющий NoData вне обучающих выборок. В обучающих выборках правильно классифицированные пикселы имеют значения NoData, а неправильно – значения соответствующих классов. В результате получается индексная карта неклассифицированных значений классов. | Raster Dataset |
Дополнительный входной растр (Дополнительный) | Вспомогательные наборы растровых данных, такие как спектрозональное изображение или ЦМР, будут добавлены для создания атрибутов и другой необходимой для классификатора информации. Этот растр необходим при вычислении атрибутов, таких как среднее или среднеквадратическое отклонение. Это дополнительный параметр. | Mosaic Layer; Raster Layer; Image Service; String |
Доступно с лицензией Spatial Analyst.
Доступно с лицензией Image Analyst.
Краткая информация
Оценивает точность отдельных образцов обучающей выборки. Точность перекрестной проверки вычисляется при помощи предварительно созданного результата обучающей классификации в файле .ecd и обучающих выборок. В выходные данные входит набор растровых данных, содержащий значения неправильно классифицированных классов, и набор данных обучающей выборки с показателями точности для каждой обучающей выборки.
Использование
Инструмент использует входной растр, дополнительный входной растр и файл определения классификатора .ecd для создания на лету слоя классификации. Затем слой классификации используется как базовый и сравнивается со всеми полигонами или точками обучающей выборки. Поскольку идеальная обучающая выборка должна содержать только пикселы отображаемого класса, для каждой выборки путем сравнения всех правильно и неправильно классифицированных пикселов вычисляется точность. Оценка точности (на полигон или точку) вычисляется как number of correctly classified pixels/number of total pixels, которая содержится в каждой обучающей выборке.
Оценка для полигональных обучающих выборок – это десятичное значение в диапазоне от 0 до 1, где значение ближе к 1 означает, что оно более точное. Оценка для точечных обучающих выборок равна 0 для неточных или 1 для точных.
Для улучшения классов в обучающих выборках результаты могут использоваться следующим способами:
- Воспользуйтесь таблицей атрибутов выходной обучающей выборки для сортировки объектов выборки по точности и крупного просмотра каждого из них.
- Используйте карту неклассифицированных классов, чтобы увидеть, где находится ошибка классификацию и определить ее причины.
- После этого вы примите решение, сохранять, удалять или изменять обучающие объекты.
Параметры
InspectTrainingSamples(in_raster, in_training_features, in_classifier_definition, out_training_feature_class, out_misclassified_raster, {in_additional_raster})
Имя | Описание | Тип данных |
in_raster | Входной классифицируемый растр. | Mosaic Layer; Raster Layer; Image Service; String |
in_training_features | Класс объектов обучающей выборки создан на панели Менеджер обучающих выборок. | Feature Layer |
in_classifier_definition | Выходной файл классификации .ecd любого из инструментов классификации с обучением. .ecd – это файл JSON, который содержит информацию об атрибутах, статистику и другую информацию, необходимую для классификатора. | File |
out_training_feature_class | Выходные отдельные обучающие выборки сохраняются как класс пространственных объектов. Связанная атрибутивная таблица содержит дополнительное поле с показателем (баллами) точности. | Feature Class |
out_misclassified_raster | Выходной неправильно классифицированный растр, имеющий NoData вне обучающих выборок. В обучающих выборках правильно классифицированные пикселы имеют значения NoData, а неправильно – значения соответствующих классов. В результате получается индексная карта неклассифицированных значений классов. | Raster Dataset |
in_additional_raster (Дополнительный) | Вспомогательные наборы растровых данных, такие как спектрозональное изображение или ЦМР, будут добавлены для создания атрибутов и другой необходимой для классификатора информации. Этот растр необходим при вычислении атрибутов, таких как среднее или среднеквадратическое отклонение. Это дополнительный параметр. | Mosaic Layer; Raster Layer; Image Service; String |
Пример кода
В этом примере проверяется пригодность для классификации обучающих выборок.
### InspectTrainingSamples example 1 (Python window)
import arcpy
from arcpy.sa import *
in_img = "C:/Data/wv2.tif"
trn_samples1 = "C:/out/ts.shp"
ecd = "C:/Data/svm.ecd"
seg_in_img = "C:/Data/seg.tif"
trn_samples2 = "C:/out/ts2.shp"
out_misclassified_raster = InspectTrainingSamples(in_img, trn_samples, ecd,
trn_samples2, seg_in_img);
out_misclassified_raster.save("C:/temp/misclassified.tif")
В этом примере проверяется пригодность для классификации обучающих выборок.
### InspectTrainingSamples example 2 (stand-alone script)
import arcpy
from arcpy.sa import *
out_misclassified_raster = InspectTrainingSamples("C:/Data/wv2.tif",
"C:/out/ts.shp",
"C:/Data/svm.ecd",
"C:/out/ts2.shp",
"C:/Data/seg.tif");
out_misclassified_raster.save("C:/temp/misclassified.tif")
Параметры среды
Информация о лицензиях
- Basic: Обязательно Spatial Analyst или Image Analyst
- Standard: Обязательно Spatial Analyst или Image Analyst
- Advanced: Обязательно Spatial Analyst или Image Analyst
Связанные разделы
- Обзор группы инструментов Сегментация и классификация
- Поиск инструмента геообработки
- Классификатор по методу максимального правдоподобия с обучением
- Классификатор произвольных деревьев с обучением
- Классификатор опорных векторов с обучением
- Классифицировать растр
- Создать обучающие выборки из исходных точек