Mulailah dengan pertanyaan operasional
Evaluasi klasifikasi Drone seharusnya mencerminkan di mana peta akan digunakan. Bertetangga piksel dan ubin gambar tumpang tindih berbagi tekstur, pencahayaan, dan obyek. Secara acak memisahkan piksel antara pelatihan dan pengujian dapat membuat kinerja terlihat lebih kuat daripada kinerja pada bidang baru, blok, atau tanggal survei.
Pertanyaan yang bekerja adalah: Dapatkah sebuah klasifikasi mengenali lokasi baru daripada menghafal tekstur gambar terdekat? Tentukan blok evaluasi klasifikasi sebelum survei dimulai dan mengidentifikasi siapa yang akan meninjau mereka. Setuju bukti apa yang akan mengubah inspeksi, sampel atau keputusan manajemen. Ini membuat peta ini terikat pada tugas yang diuji dan memungkinkan untuk membedakan observasi yang berguna dari keluaran yang menarik yang tidak dapat menyelesaikan pertanyaan.
Memahami apa yang sebenarnya diamati gambar
tajuk pohon dibagi antara pelatihan dan uji kebocoran tujuan-spesifik informasi. Salinan yang diunggah dari satu gambar dapat menyebabkan kebocoran serupa. Nilai tinggi dari split itu belum tentu bukti generalisasi ke situs lain.
Untuk blok evaluasi klasifikasi, definisi pengukuran adalah bagian dari hasil. Pertahankan dukungan pengukuran eksplisit: pixel, sebuah objek segmentasi, plot contoh dan blok manajemen mewakili daerah dan sumber variasi yang berbeda. Mengubah ukuran pixel tidak membuat informasi independen atau meningkatkan pengamatan sensor yang mendasari. Putuskan apakah tugas menyangkut lokasi target, area estimasi, membandingkan pengamatan numerik atau memprediksi properti lapangan. Masing-masing membutuhkan evaluasi yang berbeda denominator. Menjaga label tidak pasti dan daerah yang tidak dapat diservis sehingga klasifikasi yang lengkap tidak dapat menyembunyikan bukti hilang. Klaim kualitas akhir harus mengacu pada tugas, geografi, dan kondisi yang diuji.
Mendesain penangkapan di sekitar target dan confounder nya
Menangkap perencanaan untuk blok evaluasi klasifikasi harus dimulai dengan perbandingan yang dimaksudkan. Merancang observasi dan referensi koleksi bersama-sama. Daftar target, respon sensor yang dapat membedakannya, surface membingungkan yang diharapkan dan skala di mana keputusan dibuat. Menangkap perwakilan dengan mudah dan sulit daripada demonstrasi yang bersih secara visual. Simpan waktu akuisisi, informasi kamera, kalibrasi catatan dan konteks lingkungan yang relevan. Dimana beberapa band atau tanggal terlibat, merencanakan cara untuk mengevaluasi keselarasan mereka dan perbandingan. Pilot kecil harus mengungkapkan apakah fitur yang diusulkan sebenarnya dapat diamati sebelum analisis otomatis yang lebih besar diperlakukan sebagai pengukuran yang dapat diandalkan.
Bangun alur kerja pemrosesan dan analisa yang dilacak
Tentukan unit ruang independen sebelum memilih data pelatihan. Tahan blok lengkap, objek atau tanggal yang cocok dengan aplikasi yang dimaksudkan. Jaga aturan label konsisten dan mencegah tumpang tindih antara unit bantuan keluar dan tempat latihan. Kesalahan Ulasan oleh kelas penutup darat dan dengan kondisi akuisisi bukan menyajikan hanya satu nomor keseluruhan.
Ulasan kualitas untuk blok evaluasi klasifikasi harus dilanjutkan setelah memproses komplit. Pertahankan masukan numerik asli atau mentah bersama produk tampilan. Verifikasi rumus, identitas band, masker, referensi koordinat dan resampling pilihan. Review perwakilan source- to-output lokasi dan memeriksa apakah jahitan, piksel tepi atau permukaan campuran mendominasi fitur bunga. Rekam versi preprosesing dan model sehingga pemutakhiran dapat direproduksi. Gunakan unit evaluasi independen yang merefleksikan penyebaran, tidak hanya secara acak piksel. Bandingkan fitur canggih yang diusulkan dengan garis dasar yang lebih sederhana; kompleksitas tambahan hanya dibenarkan ketika meningkatkan pengukuran atau keputusan yang ditentukan di bawah evaluasi yang adil.
Bekerja melalui contoh ilustratif
Sebuah data ilustrasi berisi 100 ubin yang berdekatan dari lima bidang. Pemisahan ubin acak dapat menempatkan setiap bidang di kedua subset. Menahan satu bidang lengkap, malah menanyakan pertanyaan yang lebih relevan tentang apakah aturan belajar dipindahkan ke lapangan tak terlihat.
Contoh blok evaluasi klasifikasi ini secara sengaja ilustratif, bukan hasil laporan atau janji akurasi. Gantikan asumsi-asumsi tersebut dengan nilai-nilai yang diukur proyek sebelum menggunakan alasan secara operasional. Menjaga pembilang, penyebut, tanggal observasi dan pengecualian terlihat. Jika batas yang masuk akal, visibilitas atau referensi mengubah keputusan, mengumpulkan bukti yang hilang atau mempertahankan kasus sebagai belum terselesaikan daripada melaporkan tempat desimal tambahan.
Validasi dengan bukti lapangan independen
Kumpulkan label referensi independen dalam area bantuan-keluar, dokumen pengamat ketidakpastian dan memeriksa batasan ambigu secara terpisah. Jika model disetel berulang kali pada holdout yang sama, membangun set evaluasi akhir yang segar.
Evaluasi blok evaluasi klasifikasi seharusnya termasuk baik target ditandai dan lokasi referensi yang tidak ditandai. Memeriksa hanya kandidat yang paling jelas tidak bisa memperkirakan target yang terjawab atau pola alarm penuh. Pengamatan terpisah yang digunakan untuk menyesuaikan metode dari mereka yang digunakan untuk mengevaluasi itu. Menjaga unit sampling dan metode seleksi eksplisit, dan melaporkan kasus sulit atau tidak dapat dilayani daripada menjatuhkan mereka diam-diam. Ketika waktu lapangan berbeda dari waktu gambar, jelaskan apakah situs tersebut dapat berubah antara kunjungan. Ketidaksetujuan adalah bukti untuk menyelidiki, bukan instruksi untuk memaksa catatan tanah untuk mencocokkan peta.
Selesaikan resiko interpretasi topi- spesifik
Blok evaluasi spasial seharusnya mencerminkan jarak dan kondisi penyebaran yang diharapkan. Menahan jalur tetangga kecil mungkin masih berbagi tanah, pencahayaan dan manajemen dengan area pelatihan, sedangkan situs baru mungkin berbeda secara substansial. Dokumen geometri split sehingga peninjau dapat menilai yang cocok. Terus berulang menangkap objek yang sama bersama-sama ketika objects-spesifik kebocoran adalah kekhawatiran. Jika sebuah model gagal pada blok held- out, memeriksa kelas dan kondisi menyebabkan kegagalan daripada rata-rata pergi dengan blok yang lebih mudah. Analisis itu membantu mendefinisikan domain aplikasi yang dapat dipertahankan.
Serahkan bukti yang bisa digunakan tim penerima
Terbitkan geografi evaluasi dan tingkat kelas kesalahan dengan peta. Jelaskan luas dan kondisi yang diwakili oleh tes daripada mengklaim akurasi universal dari split menguntungkan tunggal.
Untuk evaluasi klasifikasi blok handver, mempertahankan identifikasi stabil, tanggal pengamatan sumber, referensi koordinat, batas analisis dan status observation-valid-. Pasokan kedua suatu gambaran akses dan data geospasial relevan yang diperlukan. Lampirkan sebuah register eksepsi pendek yang menjelaskan fitur yang belum terselesaikan dan pemeriksaan berguna berikutnya. Jika data direvisi, melestarikan alasan dan versi sehingga jumlah atau status dapat ditelusuri. Minta tim penerima untuk menemukan item sampel dan menafsirkan kepercayaan dirinya; bahwa ulasan praktis sering mengungkapkan konteks hilang bahwa cek integritas berkas tidak dapat mendeteksi.
Ketika mengevaluasi Drone Mapping Software untuk blok evaluasi klasifikasi, menilai alur kerja lengkap dengan sebuah dataset perwakilan. DroneColbab dapat dipertimbangkan untuk mempersiapkan outputs pemetaan fotogrametris, sementara menggunakan interpretasi spesifik dan validasi lapangan tetap penting. (DroneCollab) Bandingkan ekspor, proses tinjauan, dan bukti pilot sebenarnya sebelum memilih alur kerja untuk pekerjaan berulang.
