模型评估
要了解变化检测模型的效果，除了人工可视化对比，还可以通过量化模型推理得到的结果和真实标签（Ground Truth）的差异，借助一些评估指标结果辅助判断。常用的指标有F1、IOU、Recall和Precision等。在实际应用中，根据检测任务和指标含义的不同，通常需要结合多种评估指标综合判断模型效果。
SuperMap iDesktopX提供模型评估功能，支持对影像目标检测、二元分类、地物分类、通用变化检测模型进行评估。
主要参数
- 功能入口：工具箱->机器学习->影像分析->模型评估工具。
- 推理结果：选择需要进行模型评估的矢量结果。该推理结果可为使用目标检测、通用变化检测得到的结果，或二元分类和地物分类得到的栅格结果转化生成的矢量数据。
- 真实标签：与推理结果进行对比的真实标签矢量数据集（Ground Truth）。
- 模型类型：支持目标检测、二元分类、地物分类、普通变化检测
- 推理结果类别字段：读取推理结果矢量数据集中字段，‘模型类型’为二元分类和通用变化检测时此参数不生效。如果未指定字段名称（None），则 value 字段将被使用。 如果这些字段都不存在，则会将所有记录标识为一类。
- 真实标签类别字段：读取真实标签矢量数据集中字段，‘模型类型’为二元分类和通用变化检测时此参数不生效。如果未指定字段名称（None），则 value 字段将被使用。 如果这些字段都不存在，则会将所有记录标识为一类。
- 重叠阈值：判断目标检测推理结果框是否正确的阈值，大于该阈值则判定推理结果正确，其值应在0到1范围内。IoU是一个比值，其分子是推理边界框和真实边界框的交集，分母是两个边界框的并集。此参数只在‘精度评价用途’为目标检测时生效，默认值为0.5。
- 结果数据：即模型评估的结果属性表，设置结果数据集保存的数据源和保存名称。
- 运行：单击对话框中的运行按钮，即可执行模型评估操作，此时，Python 窗口会显示功能执行的进度信息。
下图为对影像中的飞机进行目标检测后，利用模型评估工具进行模型推理结果进行精度评估的结果。
