業務上の質問から始める
最小マッピングユニットは、プロジェクトが一貫して報告する最小のオブジェクトまたは領域を定義します。 ユーザが撮ることができるイメージの解像度、境界不確実性、ターゲット定義、アクションを反映させる必要があります。 非常に詳細なラスターは、すべての小さな接続されたピクセルクラスターが有意義な管理オブジェクトであることを保証しません。
作業質問は、マップの詳細は操作ノイズになる前に報告パッチが小さくなるべきか? 調査開始前のレポート可能なパッチを定義し、誰がそれらを見直します。 証拠が検査、サンプリング、または管理決定を変更するかを同意します。 これにより、マップがテスト可能なタスクに縛られ、質問を解決できない魅力的な出力から有用な観察を区別することが可能となります。
実際に観察するイメージを理解する
分岐した分類は、複数のオブジェクトに1つの実際のパッチをフラグメントすることができます。 攻撃的なスムースは、ドレインやリカリアンストリップなどの狭いが重要な機能を削除することができます。 すべての機能タイプのための1つの区域のしきい値を使用して従って関連した構造を失うことができます。
最小の報告可能なパッチの場合、測定の定義は結果の一部です。 測定サポートの明示的:ピクセル、セグメント化されたオブジェクト、サンプルプロット、管理ブロックは異なる領域とバリエーションのソースを表します。 ピクセルサイズの変更は独立した情報を作成したり、基礎的なセンサーの観察を改善しません。 タスクがターゲットの位置、推定領域を懸念するか、数値の観察を比較するか、フィールドプロパティを予測するかを決定します。 それぞれは、異なる評価の除染器が必要です。 不確実なラベルと不適切な領域を保存するため、完全な参照分類は欠落しない証拠を隠すことはできません。 最終的な品質要求は、実際のタスク、地理および条件のテストを参照する必要があります。
ターゲットとその創設者を包括するデザインキャプチャ
最小の報告可能なパッチの計画を意図した比較から始めるべきです。 観察と参照コレクションを一緒に設計する。 ターゲット、それを区別できるセンサー応答、期待される複雑な表面と決定が行われるスケールをリストします。 視覚的にきれいなデモではなく、代表的な簡単かつ困難な条件をキャプチャします。 取得時間、カメラ情報、校正記録、環境関連状況を保持します。 複数のバンドや日付が関与する場合には、そのアライメントと比較性を評価する方法を計画します。 提案された機能が実際により大きい自動化された分析が信頼できる測定として扱われる前に観察可能であるかどうか小さいパイロットは明らかにするべきです。
トレーサブルな処理と解析ワークフローの構築
狭いリニア機能や隔離されたエリアパッチを含む、必要に応じてクラス固有のレポートルールを設定します。 想定されるサイズ範囲でラベルした例を調べます。 対象物が結合、フィルタリング、保持されるレコード その結果マップが、系統的な小さなターゲットを隠さずにフィールドナビゲーションと量集計をサポートするかどうかを評価します。
最小の報告可能なパッチの品質管理レビューは、処理が完了した後続行しなければなりません。 ディスプレイ製品と一緒に生または元の数値入力を保存します。 式、バンドのアイデンティティ、マスク、調整の参照および再サンプリングの選択を検証して下さい。 代表的なソース・ツー・アウトプットの場所を確認し、継ぎ目、エッジピクセル、または混合された表面が関心の機能を支配するかどうかを調べます。 レコードのプリプロセッシングとモデルのバージョンを再現することで、更新を再現できます。 単なる便利なランダムピクセルではなく、展開を反映した独立した評価ユニットを使用してください。 提案された洗練された機能と、よりシンプルなベースラインを比較します。特定の測定値や決定を公平な評価で改善するときにのみ、追加の複雑性が正当化されます。
イラストの一例を通した作業
イラストでは、クリーンアップチームは個々の大きな破片のオブジェクトを見つけることができるが、何千もの独立した無確定ピクセルを別のタスクとして使用することはできません。 パッチ在庫は、オブジェクトの信頼性と位置を必要とします。 生息地評価は、単にエリアフィルタに失敗する接続された狭い植生を保持するかもしれません。
報告可能なパッチの最小化例は、報告された結果や精度の約束ではなく、意図的に説明的です。 プロジェクトの測定値に、運用上の理由をつかまえて、その仮定を置き換えます。 数値子、分母器、観察日時、除外を可視します。 盗用可能な境界線、可視性または参照変更が決定を変更する場合、欠損証拠を収集するか、または余分小場所を報告するのではなく、未解決としてケースを保持します。
独立したフィールド証拠で検証
提案されたサイズのしきい値の近くでターゲットを確認し、マップオブジェクトで自分の地面のアイデンティティを比較します。 報告されたユニットがlocatableで実用的なかどうかフィールドユーザーを尋ねます。 線形重要性が小さい区域を上書きする文書の場合。
最小の報告可能なパッチの評価には、フラグが付けられたターゲットと適切な不燃な参照場所の両方が含まれる必要があります。 必見の候補だけをチェックすると、見逃されたターゲットやフル偽造パターンも推測できます。 使用する方法を調整するために使用される別の観察で評価します。 見本抽出ユニットと選択方法の明示的を保持し、それらを静かに低下させるよりもむしろ困難または不観察可能なケースを報告してください。 フィールドタイミングが画像のタイミングと異なる場合、サイトが訪問間で変更できるかどうかを説明します。 意見は、地図にマッチする地上記録を強制する指示ではなく、調査する証拠です。
トピック固有の解釈リスクを解決する
実際のフィールドナビゲーションで最小マッピング単位をテストする必要があります。 確実に見つけられないパッチは、グループ化されたタスクエリアやより良い参照を必要とするかもしれませんが、小さな重要な交差は異なる資産を維持する必要があります。 検出の解像度とレポートの解像度の違いを録画します。 小さなオブジェクトをフィルタリングすることで、デリバリーが簡素化できますが、省略されたクラスエリアは、見積りに問題が発生する可能性があります。 関連するときにフィルタリングされた候補の数や領域を保存します。, クリーナーマップは、完全に均一な風景ではなく、レポートルールを反映していることをクリアに.
受取チームが使用できる証拠を渡して下さい
マッピング単位の定義を、配信されたデータに添付します。 境界の変化は、下面が変更されていない場合でも、明白なパッチカウントと領域を変更できるため、バージョンアップする必要があります。
最小の報告可能なパッチハンドオーバーのために、安定した識別子、ソースの観察日、座標参照、解析境界および有効観察状態を保持します。 必要な場所にある、アクセス可能な概要と関連する地理空間データの両方を供給します。 未解決の機能と次の便利なチェックを説明する短い例外レジスタを添付します。 データの修正が行われる場合、その理由とバージョンを維持し、量やステータスを追跡することができます。 受取チームにサンプル項目を見つけて自信を解釈するように依頼してください。実用的なレビューは、ファイルインテグレーションチェックが検出できないという不在なコンテキストを明らかにすることが多いです。
オンラインフォトグラメトリーソフトウェアを最低のレポート可能なパッチ評価する際に、完全なワークフローを代表的なデータセットで評価します。 DroneCollabは、タスク固有の解釈とフィールド検証が不可欠である一方で、フォトグラメトリクスマッピングの出力を準備するために考慮することができます。 必要なエクスポート、レビュープロセス、実際の試験証拠を比較して、作業を再帰するためのワークフローを選択。
