模型评估

使用说明

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。

模型评估可输出的精度指标如下:

解译任务 精确率Precision 召回率Recall F1-score Kappa IoU mAP OA
目标检测      
二元分类  
地物分类  
通用变化检测  

参数说明

  • 推理结果:选择需要进行模型评估的矢量解译成果。

  • 真实标签:与推理结果进行对比的真实标签矢量数据集。

  • 模型类型:支持目标检测、二元分类、地物分类和通用变化检测。

  • 推理结果类别字段:读取推理结果矢量数据集中标识不同地物类型或目标类型的字段,“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标识不同地物类型或目标类型的字段,“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。

  • 评估范围数据源/数据集:填写矢量面数据集,用于限定模型评估的范围。评估范围内,必须有完整的推理结果和真实标签,以保证评估结果真实可靠。

  • 是否拓扑检查:只在“模型类型”为地物分类时生效。在对地物分类解译结果进行评估时,若真实标签存在拓扑错误,会影响评估结果准确性。勾选该选项,将输出地物分类真实标签数据集的拓扑检查结果,可根据拓扑检查结果对真实标签进行修正后再次进行模型评估。进行拓扑检查会增加模型评估耗时。

  • 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。重叠阈值是一个比值,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“模型类型”为目标检测时生效,默认值为0.5。

  • 结果数据:即保存模型评估结果的表格,需要设置其保存的数据源和保存名称。

相关主题

模型训练

二元分类

地物分类

目标检测

通用变化检测