Python ArcGIS compute_accuracy_for_object_detection用法及代碼示例

本文簡要介紹 python 語言中 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：

輸出精度表項或/和精度報告項(或精度報告的數據存儲路徑)

函數可用於通過將 detect_objects 函數檢測到的對象與地麵實況數據進行比較來計算深度學習模型的準確性。該函數在 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。包含從 detect_objects 函數檢測到的對象的輸入麵要素圖層。
ground_truth_features	必需的。包含地麵實況數據的麵要素圖層。
detected_class_value_field	可選字典。檢測到的對象要素類中包含類名或類值的字段。 如果未指定字段名稱，則將使用 Classvalue 或 Value 字段。如果這些字段不存在，則所有記錄都將被標識為屬於一個類。 類值或類名必須與地麵實況要素類中的值或類名完全匹配。 語法：說明檢測到的類值字段的字符串。 示例：“class”
ground_truth_class_value_field	地麵實況要素類中包含類名或類值的字段。 如果未指定字段名稱，則將使用 Classvalue 或 Value 字段。如果這些字段不存在，則所有記錄都將被標識為屬於一個類。 類值或類名必須與檢測到的對象要素類中的值或類名完全匹配。 示例：“class”
min_iou	用於評估 object-detection 模型準確性的閾值的交集與聯合 (IoU) 比率。分子是預測邊界框和真實邊界框之間的重疊區域。分母是聯合區域或兩個邊界框所包含的區域。 min_IoU 值應在 0 到 1 的範圍內。 [0,1] 示例： 0.5
mask_features	可選 FeatureLayer 。一個麵要素服務圖層，用於描繪將計算精度的區域。僅評估完全落在多邊形內的圖像區域的準確性。
out_accuracy_table_name	可選的。要創建的輸出精度表項的名稱。如果未提供，則該方法會生成一個隨機名稱並用作輸出名稱。
out_accuracy_report_name	可選的。準確性報告可以作為項目添加到門戶。或者可以寫入數據存儲。要添加為項目，請指定要創建的輸出報告項目(pdf 項目)的名稱。例子： “accuracyReport” 為了將準確性報告寫入數據存儲，請將數據存儲路徑指定為 uri 鍵的值。 例子 - “/fileShares/yourFileShareFolderName/accuracyReport”
context	可選字典。上下文包含影響任務執行的其他設置。字典可以包含以下鍵的值： cellSize - 設置輸出柵格像元大小或分辨率 extent - 設置函數使用的處理範圍 parallelProcessingFactor - 設置並行處理因子。默認為“80%” processorType - 設置處理器類型。 “CPU” 或 “GPU” 例如：{“processorType”：“CPU”} 設置上下文參數將覆蓋使用arcgis.env 變量為此特定函數設置的值。
gis	可選 GIS 。運行該工具的 GIS。如果未指定，則使用活動 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)