작업 문제로 시작
지도는 일반적인 배경이 평가를 지배하기 때문에 가장 희소한 표적을 누락하면서 높은 전반적인 정확도를 달성할 수 있습니다. 작은 방해 패치를 찾아내는 것과 같은 작업을 위해, 놓인 표적 및 거짓 경보에는 다른 조작상 결과를 비치하고 있습니다. 평가는 명시적으로 대상 클래스를 보고 샘플링 디자인을 유지해야 합니다.
작업 질문은: 분류 점수는 드문 검사 대상에 대한 오류를 공개합니까? 설문 조사 전에 희귀 표적 평가 단위를 정의하고 누가 검토 할 수 있는지 확인합니다. 증거가 검사, 샘플링 또는 관리 결정에 변경 될 것임을 알 수 있습니다. 이지도를 테스트 가능한 작업에 연결하고 문제를 해결할 수 없는 매력적인 출력에서 유용한 관찰을 구별 할 수 있습니다.
이미지가 실제로 관찰하는 것을 이해하십시오.
명백한 예에서만 선택된 시험 세트는 명백한 성과를 팽창시킬 수 있습니다. 참고 샘플의 클래스 비율은지도 비율과 다를 수 있으므로 무게가 적습니다. 전체 지역 수량을 자동 추정하지 않습니다.
드문 표적 평가 단위의 경우, 측정 정의는 결과의 일부입니다. 측정 지원 명시: 픽셀, 세그먼트 객체, 샘플 플로트 및 관리 블록은 다른 영역과 변형 소스를 나타냅니다. 픽셀 크기를 변경하는 것은 독립적 인 정보를 만들거나 센서 관측을 개선하지 않습니다. 대상을 찾는 작업의 우려, 추정 지역, 수치 관측을 비교하거나 현장 속성을 예측하는 것을 결정합니다. 각은 다른 평가 denominator를 요구합니다. 불확실한 상표 및 비공개적인 지구를 보존하십시오 그래서 완전한 보기 분류는 누락된 증거를 숨길 수 없습니다. 최종 품질 요구는 실제 작업, 지리 및 조건을 테스트해야합니다.
대상과 그 융합자 주변의 디자인 캡처
드문 표적 평가 단위를 위한 캡처 계획은 예정된 비교로 시작되어야 합니다. 관찰 및 참조 컬렉션을 함께 설계하십시오. 대상을 나열하면, 결정이 이루어질 것으로 예상되는 표면과 스케일을 구분할 수 있는 센서 응답. 시각적으로 깨끗한 시연보다는 쉽고 어려운 조건을 캡처하십시오. 취득 시간, 카메라 정보, 교정 기록 및 관련 환경 상황 유지. 여러 밴드 또는 날짜가 참여하고, 정렬 및 비교를 평가하는 방법을 계획합니다. 작은 파일럿은 제안 된 기능이 실제로 더 큰 자동화 된 분석 이전에 관찰 할 수 있는지 여부를 알 수 있어야합니다.
추적 가능한 처리 및 분석 워크플로우 구축
대상과 비타겟 클래스를 정의하고, 희귀하고 어려운 경우를 포함하는 독립적 인 참조 샘플링을 설계합니다. 표적 정밀도와 리콜을 따라 혼란 매트릭스를 보고, 그들의 denominators 설명. 패치 크기와 위치의 시험 오류. stratified 표본에서 지도 넓은 종류 지역을 평가할 때 적당한 지역 무게를 달기 적용하십시오.
희귀 한 표적 평가 단위에 대한 품질 검토는 처리 완료 후 계속되어야 합니다. 전시 제품 주변의 원시 또는 원시 입력을 보존합니다. 수식, 밴드 식별, 마스크, 좌표 참조 및 샘플링 선택 검증. 대표 소스 출력 위치를 검토하고 솔기, 가장자리 화소 또는 혼합 표면이 관심의 기능을 지배 여부를 검사합니다. 사전 처리 및 모델 버전에 기록하므로 업데이트가 재제작 될 수 있습니다. 배포를 반영하는 독립적 인 평가 단위를 사용하여, 단순한 편리한 임의의의 픽셀. 간단한 기본으로 제안된 정교한 기능을 비교하십시오; 추가 복잡성은 공정한 평가의 밑에 지정된 측정 또는 결정을 개량할 때만만만 통일됩니다.
일하는 일
1,000개 지점의 환상적 세트에서 10개가 대상을 포함. 모든 것을 배경으로 라벨링하는 클래스터는 전체 99% % 정확하지만 대상을 감지하지 않습니다. 그 점수는 10개의 위치를 찾는 검사 팀에 쓸모가 있을 것입니다.
이 예제는 드문 표적 평가 단위는 deliberately illustrative, 보고되지 않은 outcome 또는 정확도 약속입니다. 프로젝트의 측정값을 사용하여 작업의 소각을 변경합니다. 수화기, 탈광기, 관측일 및 노출을 볼 수 있습니다. 백악관 경계, 가시 또는 참조 변경이 결정을 변경하면 누락된 증거를 수집하거나 추가 소수점을 보고하지 않고 해결되지 않는 경우를 유지합니다.
독립적 인 필드 증거로 검증
자주적으로 라벨을 검증하고 불평을 검사합니다. 명확한 큰 예시에 의존하는 것보다 작은 또는 비정규 대상을 포함. 참고문헌은 포인트, 다각형 또는 관리 객체를 나타냅니다.
희귀 한 표적 평가 단위의 평가는 두 개의 표정 대상과 적절한 unflagged 참조 위치를 포함해야합니다. 가장 명백한 후보자만 확인하면 놓은 대상이나 전체 false-alarm 패턴을 예측할 수 있습니다. 평가하는 데 사용되는 사람들로부터 방법을 조정하는 데 사용되는 별도의 관측. 뱀파이어를 떼어낸다. 그리고, 뱀파이트를 떼지 않고도 뱀파이브를 떼고, 뱀팁을 떼어내고, 굵은 소리를 떼는 것. 현장 타이밍은 이미지 타이밍과 다를 때, 사이트가 방문 사이에 변경 될 수 있는지 설명합니다. 불명은 조사에 대한 증거이며, 지도와 일치하기 위해 지상 기록을 강제하지 않습니다.
주제별 해석 위험 해결
희귀 표적 평가는 전체적인 넓이를 매핑하는 객체를 찾습니다. 감지기는 가장 방해 패치를 찾을 수 있지만 지역이 빈번하게 자극하거나, 중복 작업을 나누는 동안지도 영역도 잘 볼 수 있습니다. 현장 작업 흐름에 의해 필요한 측정을 보고, 수량에 영향을 미칠 때 보완적인 측정을 추가합니다. uncertain 참고 상표가 취급된 방법을 설명합니다. 샘플 오버 샘플 드문 대상이 어디, 진정한 풍경 비율로 샘플 클래스 주파수를 치료하는 것보다지도 넓은 영역에 적합한 지스터를 사용합니다.
팀의 수신을 사용할 수 있는지 증거에 손을
미쉐린 타겟 및 불필요한 방문의 운영 비용에 대한 수용 기준을 선택하십시오. 일반 품질 청구로 단 하나 비율을 사용하는 대신 클래스 수준의 불확실성과 평가 적용을 발행합니다.
희귀 한 표적 평가 단위를 위해, 안정 식별자를 유지, 소스 관측 날짜, 좌표 참조, 분석 경계 및 유효 방부 상태. 접근 가능한 개요와 필요한 geospatial 데이터를 모두 공급합니다. 해결되지 않은 기능과 다음 유용한 체크를 설명하는 짧은 예외 등록을 첨부합니다. 데이터가 개정되면, 이유 및 버전을 보존하거나 양 또는 상태는 추적 할 수 있습니다. 샘플 아이템을 찾아 자신감의 해석하기 위해 수신 팀을 요청하십시오. 실제 리뷰는 종종 파일 통합 검사가 감지 할 수없는 오류가 발생했습니다.
Cloud Photogrammetry Software for 희귀 표적 평가 단위를 평가할 때, 대표 데이터셋을 사용하여 전체 워크플로를 평가합니다. DroneCollab는 photogrammetric mapping output을 준비하기 위해 고려 될 수 있으며 작업별 해석 및 현장 검증은 필수입니다. 필요한 수출, 검토 프로세스 및 실제 파일럿 증거를 비교하여 작업 흐름을 선택하기 전에.
집중된 추가 방법 체크
클래스터가 놓친 배경 위치와 잘못된 표정이 있는 희귀한 대상에 대한 별도의 리뷰 목록을 유지하십시오. 이 오류가 객체 크기, 보기 상태 또는 토지 커버 컨텍스트를 공유하는지 여부를 검사합니다. 놓은 표적의 실제 비용은 여분 분야 방문의 비용과 다를 수 있습니다, 그래서 혼란 모체와 함께 결정 결과를 기록합니다. 임계값을 변경할 때, 동일한 독립적 인 샘플에서 오류 유형 모두 비교합니다. 이 동작 선택은 가장 선호하는 전체적인 비율을 가진 문턱을 선택 대신 설명할 수 있습니다.
