Python ArcGIS compute_accuracy_for_object_detection用法及代码示例

本文简要介绍 python 语言中 arcgis.learn.compute_accuracy_for_object_detection 的用法。

用法:

arcgis.learn.compute_accuracy_for_object_detection(detected_features, ground_truth_features, detected_class_value_field=None, ground_truth_class_value_field=None, min_iou=None, mask_features=None, out_accuracy_table_name=None, out_accuracy_report_name=None, context=None, *, gis=None, future=False, **kwargs)

返回：

输出精度表项或/和精度报告项(或精度报告的数据存储路径)

函数可用于通过将 detect_objects 函数检测到的对象与地面实况数据进行比较来计算深度学习模型的准确性。该函数在 ArcGIS Image Server 10.9 及更高版本中可用(在 ArcGIS Online 中不可用)。

Parameter	Description
detected_features	必需的。包含从 detect_objects 函数检测到的对象的输入面要素图层。
ground_truth_features	必需的。包含地面实况数据的面要素图层。
detected_class_value_field	可选字典。检测到的对象要素类中包含类名或类值的字段。 如果未指定字段名称，则将使用 Classvalue 或 Value 字段。如果这些字段不存在，则所有记录都将被标识为属于一个类。 类值或类名必须与地面实况要素类中的值或类名完全匹配。 语法：说明检测到的类值字段的字符串。 示例：“class”
ground_truth_class_value_field	地面实况要素类中包含类名或类值的字段。 如果未指定字段名称，则将使用 Classvalue 或 Value 字段。如果这些字段不存在，则所有记录都将被标识为属于一个类。 类值或类名必须与检测到的对象要素类中的值或类名完全匹配。 示例：“class”
min_iou	用于评估 object-detection 模型准确性的阈值的交集与联合 (IoU) 比率。分子是预测边界框和真实边界框之间的重叠区域。分母是联合区域或两个边界框所包含的区域。 min_IoU 值应在 0 到 1 的范围内。 [0,1] 示例： 0.5
mask_features	可选 FeatureLayer 。一个面要素服务图层，用于描绘将计算精度的区域。仅评估完全落在多边形内的图像区域的准确性。
out_accuracy_table_name	可选的。要创建的输出精度表项的名称。如果未提供，则该方法会生成一个随机名称并用作输出名称。
out_accuracy_report_name	可选的。准确性报告可以作为项目添加到门户。或者可以写入数据存储。要添加为项目，请指定要创建的输出报告项目(pdf 项目)的名称。例子： “accuracyReport” 为了将准确性报告写入数据存储，请将数据存储路径指定为 uri 键的值。 例子 - “/fileShares/yourFileShareFolderName/accuracyReport”
context	可选字典。上下文包含影响任务执行的其他设置。字典可以包含以下键的值： cellSize - 设置输出栅格像元大小或分辨率 extent - 设置函数使用的处理范围 parallelProcessingFactor - 设置并行处理因子。默认为“80%” processorType - 设置处理器类型。 “CPU” 或 “GPU” 例如：{“processorType”：“CPU”} 设置上下文参数将覆盖使用arcgis.env 变量为此特定函数设置的值。
gis	可选 GIS 。运行该工具的 GIS。如果未指定，则使用活动 GIS。

例子：

# Usage Example: This example generates an accuracy table for a specified minimum IoU value.

compute_accuracy_op = compute_accuracy_for_object_detection(detected_features=detected_features,
                                                            ground_truth_features=ground_truth_features,
                                                            detected_class_value_field="ClassValue",
                                                            ground_truth_class_value_field="Class",
                                                            min_iou=0.5,
                                                            mask_features=None,
                                                            out_accuracy_table_name="accuracy_table",
                                                            out_accuracy_report_name="accuracy_report",
                                                            gis=gis)