Начнем с оперативного вопроса
Оценка классификации дронов должна отражать, где будет использоваться карта. Соседние пиксели и перекрывающиеся плитки изображения имеют общую текстуру, освещение и объекты. Случайное разделение этих пикселей между обучением и тестированием может сделать производительность более сильной, чем производительность на новом поле, блоке или дате опроса.
Рабочий вопрос: может ли классификатор распознавать новые места, а не запоминать близлежащие текстуры изображений? Определите блоки оценки классификации до начала опроса и определите, кто будет их рассматривать. Согласитесь, какие доказательства изменят решение об инспекции, отборе проб или управлении. Это позволяет сохранить карту привязанной к проверяемой задаче и отличать полезное наблюдение от привлекательного результата, который не может решить вопрос.
Понять, что на самом деле наблюдает изображение
Корона дерева, разделенная между обучением и тестированием, утечка информации об объекте. Дополненные копии одного изображения могут вызвать аналогичную утечку. Высокий балл от этого разделения не обязательно свидетельствует об обобщении на другой сайт.
Для блоков оценки классификации определение измерения является частью результата. Сохраняйте явную поддержку измерений: пиксель, сегментированный объект, участок выборки и блок управления представляют различные области и источники вариации. Изменение размера пикселей не создает независимой информации и не улучшает наблюдения датчиков. Решите, касается ли задача определения целей, оценки площади, сравнения численных наблюдений или прогнозирования свойств поля. Каждый из них требует различного знаменателя оценки. Сохраняйте неопределенные метки и ненаблюдаемые области, чтобы не могла скрыться отсутствующая улика. Окончательное требование к качеству должно относиться к фактической задаче, географии и условиям, которые были проверены.
Дизайн захватывает вокруг цели и ее создателей
Планирование захвата для блоков оценки классификации должно начинаться с предполагаемого сравнения. Составление коллекции наблюдений и ссылок вместе. Перечислите цель, реакцию датчика, который мог бы ее различить, ожидаемые смешивающиеся поверхности и масштаб, на котором принимается решение. Захват представительских легких и сложных условий, а не только визуально чистая демонстрация. Сохранение времени приобретения, информации о камере, калибровочных записей и соответствующего экологического контекста. В случае, когда задействовано несколько полос или дат, планируйте способ оценки их выравнивания и сопоставимости. Небольшой пилот должен показать, действительно ли предлагаемая функция может быть обнаружена до того, как более крупный автоматизированный анализ будет рассматриваться как надежное измерение.
Создайте отслеживаемый рабочий процесс обработки и анализа
Определите независимые пространственные единицы перед выбором данных обучения. Выдерживать полные блоки, объекты или даты, которые соответствуют предполагаемому приложению. Соблюдайте согласованные правила этикетки и предотвращайте перекрытие между удерживаемыми единицами и учебными плитками. Ошибки в оценке по классу покрытия и по условиям приобретения вместо представления только одного общего числа.
Проверка качества блоков оценки классификации должна продолжаться после завершения обработки. Сохраняйте исходные или оригинальные числовые входные данные вместе с продуктами отображения. Проверяйте формулы, групповые идентичности, маски, координатные ссылки и выбор повторных образцов. Просмотрите репрезентативные места от источника к выходу и проверьте, доминируют ли швы, краевые пиксели или смешанные поверхности. Запись предварительной обработки и версии модели, чтобы можно было воспроизвести обновление. Используйте независимые оценочные блоки, которые отражают развертывание, а не просто удобные случайные пиксели. Сравните предлагаемую сложную функцию с более простым исходным уровнем; дополнительная сложность оправдана только тогда, когда она улучшает указанное измерение или решение при справедливой оценке.
Работа на иллюстративном примере
Иллюстративный набор данных содержит 100 смежных плиток из пяти полей. Случайный раскол плитки может поместить каждое поле в оба подмножества. Вместо этого, при проведении одного полного поля, возникает более актуальный вопрос о том, передаются ли выученные правила в невидимое поле.
Этот пример для блоков оценки классификации является преднамеренно иллюстративным, а не сообщенным результатом или обещанием точности. Замените свои предположения измеренными значениями проекта, прежде чем использовать аргументацию в оперативном порядке. Держите числитель, знаменатель, дату наблюдения и исключения видимыми. Если правдоподобная граница, видимость или изменение ссылки изменяют решение, соберите недостающие доказательства или сохраните дело как неразрешенное, а не сообщите о дополнительных десятичных местах.
Проверка независимых полевых доказательств
Соберите независимые справочные метки в незанятых областях, документируйте неопределенность наблюдателя и исследуйте неоднозначные границы отдельно. Если модель настроена многократно на один и тот же выпад, установите новый набор окончательной оценки.
Оценка блоков оценки классификации должна включать как обозначенные цели, так и подходящие немаркированные контрольные точки. Проверка только наиболее очевидных кандидатов не может оценить ни пропущенные цели, ни полную картину ложной тревоги. Отдельные наблюдения, используемые для корректировки метода, от тех, которые используются для его оценки. Держите блок отбора проб и метод отбора явными, и сообщите о сложных или ненаблюдаемых случаях, а не опускайте их молча. Когда время в поле отличается от времени изображения, объясните, мог ли сайт измениться между посещениями. Разногласия — это доказательства для расследования, а не инструкция, чтобы заставить наземную запись соответствовать карте.
Устранение рисков, связанных с толкованием конкретных тем
Блоки пространственной оценки должны отражать ожидаемое расстояние и условия развертывания. Удержание небольшой соседней полосы может по-прежнему разделять почву, освещение и управление с учебными зонами, в то время как новый участок может существенно отличаться. Документируйте геометрию разделения, чтобы рецензенты могли оценить это соответствие. Сохраняйте повторные захваты одного и того же объекта вместе, когда утечка объекта вызывает беспокойство. Если модель выходит из строя на блоке с задержкой, изучите класс и состояние, вызывающие отказ, а не усредните его с более простыми блоками. Этот анализ помогает определить защитимую область применения.
Предоставить доказательства того, что принимающая команда может использовать
Опубликовать географию оценки и ошибки классового уровня с помощью карты. Опишите область и условия, представленные тестом, а не претендующие на универсальную точность из одного благоприятного разреза.
Для классификации оценки блоков передачи, сохраняют стабильные идентификаторы, дату наблюдения источника, координатную ссылку, границу анализа и статус достоверного наблюдения. Предоставьте доступный обзор и соответствующие геопространственные данные, где это необходимо. Прикрепите короткий регистр исключений, который объясняет нерешенные функции и следующую полезную проверку. Если данные будут пересмотрены, сохраните причину и версию, чтобы можно было отследить количество или статус. Попросите принимающую команду найти образец и интерпретировать его уверенность; этот практический обзор часто показывает недостающий контекст, который проверка целостности файла не может обнаружить.
При оценке программного обеспечения для картирования дронов для блоков оценки классификации, оцените полный рабочий процесс с репрезентативным набором данных. DroneCollab можно рассматривать для подготовки результатов фотограмметрического картирования, в то время как интерпретация и проверка полей по конкретным задачам остаются важными. Сравните необходимый экспорт, процесс обзора и фактические экспериментальные данные, прежде чем выбрать рабочий процесс для повторяющихся работ.
